QuantAgent: Agenti Multi-Linguaggio Guidati dal Prezzo per il Trading ad Alta Frequenza

QuantAgent: Price-Driven Multi-Agent LLMs for High-Frequency Trading

September 12, 2025

Autori: Fei Xiong, Xiang Zhang, Aosong Feng, Siqi Sun, Chenyu You

cs.AI

Abstract

I recenti progressi nei Modelli Linguistici di Grande Dimensione (LLM) hanno dimostrato capacità impressionanti nel ragionamento finanziario e nella comprensione del mercato. Framework multi-agente basati su LLM come TradingAgent e FINMEM potenziano questi modelli per compiti di investimento a lungo termine, sfruttando input fondamentali e basati sul sentiment per decisioni strategiche. Tuttavia, tali sistemi sono poco adatti alle esigenze ad alta velocità e critiche per la precisione del Trading ad Alta Frequenza (HFT). L'HFT richiede decisioni rapide e consapevoli del rischio basate su segnali strutturati e a breve termine, inclusi indicatori tecnici, modelli grafici e caratteristiche basate sulle tendenze, distinti dal ragionamento semantico a lungo termine tipico delle tradizionali applicazioni finanziarie degli LLM. A tal fine, introduciamo QuantAgent, il primo framework multi-agente LLM progettato esplicitamente per il trading algoritmico ad alta frequenza. Il sistema scompone il trading in quattro agenti specializzati, Indicatore, Modello, Tendenza e Rischio, ciascuno dotato di strumenti specifici per il dominio e capacità di ragionamento strutturato per catturare aspetti distinti della dinamica del mercato in finestre temporali brevi. In valutazioni zero-shot su dieci strumenti finanziari, tra cui Bitcoin e futures del Nasdaq, QuantAgent dimostra prestazioni superiori sia in termini di accuratezza predittiva che di rendimento cumulativo su intervalli di trading di 4 ore, superando forti baseline neurali e basate su regole. I nostri risultati suggeriscono che combinare conoscenze finanziarie strutturate con il ragionamento nativo del linguaggio sblocca un nuovo potenziale per sistemi decisionali tracciabili e in tempo reale nei mercati finanziari ad alta frequenza.

English

Recent advances in Large Language Models (LLMs) have demonstrated impressive capabilities in financial reasoning and market understanding. Multi-agent LLM frameworks such as TradingAgent and FINMEM augment these models to long-horizon investment tasks, leveraging fundamental and sentiment-based inputs for strategic decision-making. However, such systems are ill-suited for the high-speed, precision-critical demands of High-Frequency Trading (HFT). HFT requires rapid, risk-aware decisions based on structured, short-horizon signals, including technical indicators, chart patterns, and trend-based features, distinct from the long-term semantic reasoning typical of traditional financial LLM applications. To this end, we introduce QuantAgent, the first multi-agent LLM framework explicitly designed for high-frequency algorithmic trading. The system decomposes trading into four specialized agents, Indicator, Pattern, Trend, and Risk, each equipped with domain-specific tools and structured reasoning capabilities to capture distinct aspects of market dynamics over short temporal windows. In zero-shot evaluations across ten financial instruments, including Bitcoin and Nasdaq futures, QuantAgent demonstrates superior performance in both predictive accuracy and cumulative return over 4-hour trading intervals, outperforming strong neural and rule-based baselines. Our findings suggest that combining structured financial priors with language-native reasoning unlocks new potential for traceable, real-time decision systems in high-frequency financial markets.