RetailAgent: Structured Adverse Timing in Self-Conditioned Multimodal LLM Trading Agents
作者: Yupeng Zhang, Liuyuan Jiang, Hongyi Huang, Bingheng Li, Lisha Chen
分类: cs.AI, q-fin.TR
发布日期: 2026-08-28
💡 一句话要点
提出RetailAgent框架以解决金融市场中的可预测性问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 金融市场 大型语言模型 决策可预测性 多模态学习 时机效应
📋 核心要点
- 现有方法在金融市场中存在可预测性问题，导致策略被其他参与者利用，从而影响收益。
- 论文提出RetailAgent框架，通过观察股票价格历史，分析LLM在选择持有或退出时的决策结构。
- 实验结果表明，LLM在多种条件下表现出持续的负时机效应，且自创记忆的引入进一步加剧了这一现象。
📝 摘要（中文）
在金融市场中，系统性反应价格波动的顺序策略可能会被其他市场参与者预测。本文研究了大型语言模型（LLM）代理是否表现出这种方向性结构，提出了RetailAgent实验框架。该框架允许LLM观察匿名的日内股票价格历史和状态，然后在后续区间收益揭示之前反复选择持有或退出。通过去除整体持有决策的比例，我们比较了同一股票日内路径上持有和退出区间的收益。结果显示，在多模态、时间跨度、状态和模型家族中存在持续的负时机效应，表明LLM金融决策中存在稳定的、可恢复的方向性结构。
🔬 方法详解
问题定义：本文旨在解决金融市场中LLM代理的决策可预测性问题。现有方法未能有效应对市场参与者对策略的反应，导致收益下降。
核心思路：通过RetailAgent框架，LLM观察历史价格数据并选择持有或退出，从而研究其决策的方向性结构。此设计旨在揭示LLM决策的潜在可预测性。
技术框架：框架包括数据输入模块（历史价格和状态）、决策模块（选择持有或退出）、以及结果评估模块（比较收益）。每个模块相互连接，形成闭环反馈。
关键创新：最重要的创新在于通过去除整体持有决策比例，揭示了LLM在多模态和时间跨度上的负时机效应。这与现有方法的随机决策策略形成鲜明对比。
关键设计：在参数设置上，LLM的决策基于历史数据的特征提取，损失函数设计为最大化收益差异，网络结构采用多层感知机以增强学习能力。
🖼️ 关键图片
📊 实验亮点
实验结果显示，LLM在多种条件下的负时机效应显著，尤其是在使用自创记忆的情况下，策略的可预测性增强。通过对比分析，去除整体持有决策后，收益差异明显，表明LLM决策的方向性结构是可恢复的。
🎯 应用场景
该研究可广泛应用于金融市场的交易策略开发，帮助投资者理解和应对市场中的可预测性。此外，RetailAgent框架也可用于其他领域的决策系统，提升智能代理的决策质量和适应性。
📄 摘要（原文）
In financial markets, a sequential policy that reacts systematically to price movements may become predictable to other market participants. This paper studies whether large language model (LLM) agents exhibit such directional structure through RetailAgent, an experimental framework in which an LLM observes anonymized intraday equity price histories and permitted state, then repeatedly chooses long (hold the stock) or flat (stay out) before the subsequent interval return is revealed. We compare returns during long and flat intervals along the same stock's intraday path after removing the overall fraction of long decisions. This exposure-matched measure reveals persistent negative timing across modality, horizon, state, and model family. Shuffling saved action sequences substantially attenuates the effect, showing that alignment between actions and subsequent returns drives the negative score. Feeding self-authored memories into decisions further increases policy persistence, while timing becomes more negative among stock-days on which the agent uses both actions. These results reveal stable, recoverable directional structure in sequential LLM financial decisions and a behavioral signal for studying how another participant could respond to a predictable policy.