LLM交易智能体自进化框架EvolveTrade：夏普比率和累计回报双提升！
EvolveTrade: Experience-Driven Policy Refinement for Self-Evolving LLM Trading Agents
📖 AI 总结
本文提出EvolveTrade，一个面向LLM交易智能体的自演化框架。现有LLM交易智能体虽能整合市场数据、新闻与可执行分析，但其工具使用策略多为部署前手工编写且固定不变，难以适应市场环境变化。EvolveTrade将系统提示词视为文本参数化策略，在每个更新周期后由策略智能体依据累积的决策轨迹与实际投资组合反馈对策略进行修订，同时保持底层LLM固定不变，使智能体持续优化信息获取与组合构建流程。在多种市场环境和两种LLM主干上的实验显示，EvolveTrade在多数评估设置中提升了夏普比率与累计收益，优于固定策略基线。行为分析表明，自演化策略增加了代码介导的分析并激活与市场状态相关的计算，案例级归因进一步揭示了策略调整如何影响实际收益。该研究说明，对可复用工具使用流程进行自适应调整，是构建更稳健LLM交易智能体的关键方向。
🔑 关键词速览
| EvolveTrade | 一种自进化框架，将交易智能体的系统提示作为可文本参数化的策略，通过反馈迭代优化。 |
| LLM Trading Agent | 基于大型语言模型的交易智能体，能结合市场数据、新闻和分析进行交易决策。 |
| Policy Agent | 策略智能体，负责根据累积的决策轨迹和投资组合反馈修订交易策略。 |
| Sharpe Ratio | 夏普比率，衡量投资组合风险调整后收益的指标，越高表示单位风险回报越好。 |
| Market Regimes | 市场状态，指市场在不同时期表现出的不同特征，如牛市、熊市或震荡市。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅