QuantAgent: 고주파 트레이딩을 위한 가격 기반 다중 에이전트 대형 언어 모델

초록

최근 대규모 언어 모델(LLM)의 발전은 금융 추론 및 시장 이해 분야에서 인상적인 능력을 보여주고 있습니다. TradingAgent와 FINMEM과 같은 다중 에이전트 LLM 프레임워크는 이러한 모델을 장기 투자 작업에 적용하며, 기본적 분석과 감정 기반 입력을 활용하여 전략적 의사결정을 강화합니다. 그러나 이러한 시스템은 고빈도 거래(HFT)의 고속, 정밀도 중심 요구사항에는 적합하지 않습니다. HFT는 기술적 지표, 차트 패턴, 추세 기반 특징과 같은 구조화된 단기 신호를 기반으로 신속하고 위험을 고려한 의사결정을 요구하며, 이는 전통적인 금융 LLM 애플리케이션의 장기적 의미론적 추론과는 구별됩니다. 이를 위해, 우리는 고빈도 알고리즘 트레이딩을 위해 명시적으로 설계된 첫 번째 다중 에이전트 LLM 프레임워크인 QuantAgent를 소개합니다. 이 시스템은 트레이딩을 네 개의 전문 에이전트(Indicator, Pattern, Trend, Risk)로 분해하며, 각 에이전트는 도메인 특화 도구와 구조화된 추론 능력을 갖추어 단기 시간 창에서 시장 역학의 다양한 측면을 포착합니다. 비트코인과 나스닥 선물을 포함한 10가지 금융 상품에 대한 제로샷 평가에서 QuantAgent는 4시간 트레이딩 간격 동안 예측 정확도와 누적 수익률 모두에서 강력한 신경망 및 규칙 기반 베이스라인을 능가하는 우수한 성능을 보여주었습니다. 우리의 연구 결과는 구조화된 금융 사전 지식과 언어 기반 추론을 결합함으로써 고빈도 금융 시장에서 추적 가능한 실시간 의사결정 시스템의 새로운 잠재력을 열어줄 수 있음을 시사합니다.

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.

QuantAgent: 고주파 트레이딩을 위한 가격 기반 다중 에이전트 대형 언어 모델

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

초록

Support