F$^2$Agent: Financial Fusion of Agentic Intelligence for Multimodal Trading

📄 arXiv: 2608.05668v1 📥 PDF

作者: Changshuo Liu, Yanzheng Jin, Shangfeng Cai, Peng Fang, Xiaokui Xiao, Beng Chin Ooi

分类: cs.MA, cs.AI, cs.MM

发布日期: 2026-08-06

备注: 32 pages, 12 figures, 19 tables

💡 一句话要点

提出F$^2$Agent以解决多模态金融交易中的信息融合问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 多模态融合 金融交易 抗噪声机制 智能代理 信号提取

📋 核心要点

  1. 现有方法在多模态金融交易中未能有效捕捉跨模态依赖，且对市场噪声的抵抗力不足。
  2. F$^2$Agent通过层次化的专门代理提取信号，并引入模态感知的自适应融合机制以增强信号质量。
  3. 在六种股票和加密资产的实验中，F$^2$Agent的年化收益率平均提升超过20%，显示出其优越性。

📝 摘要（中文）

随着信息来源的多样化和异质化，有效利用多模态数据已成为高质量金融交易的关键。尽管基于大型语言模型的代理在处理多模态输入方面取得了进展，但现有方法未能捕捉细致的跨模态依赖关系，并且对市场噪声的抵抗力不足。为了解决这些挑战，本文提出了F$^2$Agent，这是一种新颖的多模态智能代理范式，旨在通过金融智能融合来提升交易信号的质量。F$^2$Agent通过一系列专门的代理提取特定模态信号，并引入模态感知的自适应融合机制，结合抗噪声的一致性正则化，动态捕捉细粒度的跨模态依赖关系。实验结果表明，F$^2$Agent在六种股票和加密资产上均优于16个竞争基线，年化收益率平均提升超过20%。

🔬 方法详解

问题定义：本文旨在解决多模态金融交易中信息融合不足的问题。现有方法在捕捉跨模态依赖和抵抗市场噪声方面存在显著不足，导致交易信号的质量下降。

核心思路：F$^2$Agent通过引入层次化的专门代理来提取不同模态的信息，并结合模态感知的自适应融合机制，以动态捕捉模态间的细粒度依赖关系，从而生成更具抗噪声能力的交易信号。

技术框架：F$^2$Agent的整体架构包括多个专门的信号提取代理和一个模态感知的融合模块。信号提取代理负责从不同模态中提取特定信号，而融合模块则通过自适应机制整合这些信号，最终生成交易决策。

关键创新：F$^2$Agent的主要创新在于其模态感知的自适应融合机制和抗噪声的一致性正则化，这使得其能够有效捕捉跨模态依赖并提高交易信号的鲁棒性。与现有方法相比，F$^2$Agent在处理多模态数据时表现出更高的灵活性和准确性。

关键设计：在设计上，F$^2$Agent采用了多层次的代理结构，每个代理专注于特定模态的信号提取。同时，损失函数中引入了一致性正则化项，以增强模型对噪声的抵抗力，确保生成的交易信号在不同市场条件下的稳定性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

F$^2$Agent在六种股票和加密资产的实验中表现出色，年化收益率平均提升超过20%。在具体案例中，F$^2$Agent在GOOG和TSLA上的收益率分别达到了120.48%和148.41%，显示出其在不同市场动态下的有效性和鲁棒性。

🎯 应用场景

F$^2$Agent在金融交易领域具有广泛的应用潜力，能够帮助交易者更有效地利用多模态信息进行决策。其创新的信号提取和融合机制可以应用于股票、加密货币等多种资产的交易策略中，提升投资回报率。未来，该方法还可能扩展到其他需要多模态数据处理的领域，如智能投资顾问和金融分析工具。

📄 摘要（原文）

With increasingly diverse and heterogeneous information sources, effectively leveraging multimodal data is becoming pivotal for high-quality financial trading. Although recent advancements in Large Language Model (LLM)-based agents have enabled the ingestion of multimodal inputs, existing methods fail to capture nuanced cross-modal dependencies and remain vulnerable to market noise, due to limited multimodal modeling, ineffective fusion mechanisms, and inadequate robustness. To address these challenges, we propose F$^2$Agent, a novel multimodal agentic paradigm driven by the Financial Fusion of Agentic Intelligence. F$^2$Agent first deploys a hierarchy of specialized agents to comprehensively extract modality-specific signals. It further introduces a modality-aware adaptive fusion mechanism coupled with noise-robust consistency regularization to dynamically capture fine-grained inter-modality dependencies and generate noise-resilient trading signals. Extensive experiments on six stocks and cryptocurrency assets demonstrate that F$^2$Agent consistently outperforms 16 competitive baselines across multiple trading metrics, with over 20% relative improvement in annualized return on average. Notably, F$^2$Agent delivers returns of 120.48% on GOOG and 148.41% on TSLA, demonstrating its efficacy and robustness in varying market dynamics.