QuantAgent: 高頻度取引のための価格駆動型マルチエージェントLLM

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

September 12, 2025

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

cs.AI

要旨

大規模言語モデル（LLM）の最近の進展は、金融推論と市場理解において印象的な能力を示しています。TradingAgentやFINMEMなどのマルチエージェントLLMフレームワークは、これらのモデルを長期投資タスクに拡張し、基本的なデータやセンチメントベースの入力を活用して戦略的意思決定を行います。しかし、こうしたシステムは、高速かつ精度が求められる高頻度取引（HFT）の要求には適していません。HFTでは、テクニカル指標、チャートパターン、トレンドベースの特徴など、構造化された短期シグナルに基づく迅速でリスクを考慮した意思決定が必要であり、これは従来の金融LLMアプリケーションで典型的な長期的な意味論的推論とは異なります。この目的のために、我々は高頻度アルゴリズム取引に特化した初のマルチエージェントLLMフレームワークであるQuantAgentを紹介します。このシステムは、取引を4つの専門エージェント（Indicator、Pattern、Trend、Risk）に分解し、それぞれがドメイン固有のツールと構造化された推論能力を備えており、短期間の市場ダイナミクスの異なる側面を捉えます。ビットコインやナスダック先物を含む10の金融商品におけるゼロショット評価では、QuantAgentは4時間の取引間隔において、予測精度と累積リターンの両方で優れたパフォーマンスを示し、強力なニューラルベースおよびルールベースのベースラインを上回りました。我々の研究結果は、構造化された金融の事前知識と言語ネイティブな推論を組み合わせることで、高頻度金融市場におけるトレーサブルなリアルタイム意思決定システムの新たな可能性が開かれることを示唆しています。

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.