Large Language Model Agent in Financial Trading: A Survey
创建于 更新于
摘要
本报告系统综述了利用大型语言模型(LLM)作为金融交易代理的最新研究进展，涵盖架构类型、核心数据输入（包括数值、文本、视觉及模拟数据）、交易策略设计及性能评估。研究表明，LLM交易代理通过对新闻、财报等海量文本信息的提取与推理，展现出年化收益率提升15%至30%的潜力，尤其在结合记忆与反思机制、多模态输入和强化学习优化方面取得显著进展。同时，报告指出当前主要依赖闭源模型且回测多集中于中美股市，面临推理延迟、交易费用忽略及市场多样性不足等挑战，明确了未来模型微调、模型体系扩展和数据多样化方向的研究前景 [pidx::0][pidx::1][pidx::2][pidx::3][pidx::4][pidx::5]
