To Trade or Not to Trade: An Agentic Approach to Estimating Market Risk Improves Trading Decisions
创建于 更新于
摘要
本文提出一种结合大型语言模型（LLMs）和agentic框架的半自动化模型发现方法，通过识别金融时间序列的随机微分方程（SDE）来估计市场风险指标（如VaR、CVaR、最大回撤），并以此辅助股票交易决策。实验涵盖多种LLM模型，通过传统与合成数据的回测验证，显示模型驱动的风险分析显著提升了交易策略的夏普比率，部分优于买入持有策略，突显结合模型发现与新闻情绪分析的agentic系统在量化交易中的潜力与挑战[page::0][page::1][page::15][page::18][page::20]。
