Dirtycat
구독자 148명구독중 105명
휴스턴 시골 아재
달리기와 독서 그리고 아이들과 놀아주는 것을 좋아합니다.
얼마전 홍콩대학에서 재밌는 논문이 나와서 소개합니다. 참고로 논문 원본은 여기서 확인하실 수 있습니다. 바쁘신 분들을 위해 논문 내용을 간략히 요약해드리자면
LLM 에이전트 대상의 완전 자동화된 실시간 평가 벤치마크인 AI-Trader로 6개의 주요 LLM (DeepSeek v3.1, MiniMax M2, Claude 3.7 Sonnet, Qwen3 Max, Gemini 2.5 Flash, GPT-5)을 평가하고 인덱스 (QQQ등)와 비교합니다. 논문 부록을 보면 에이전트를 위한 프롬프트까지 나와있으니 관심 있는 분들은 원본을 읽어보세요.
자산군은 미국 주식, A주(중국 본토 주식), 암호화폐 등 세 가지 주요 금융 시장에 대해서 비교합니다. 목표를 설정해주면 에이전트가 필수적인 맥락만 제공받고 인간의 개입 없이 실시간 시장 정보를 독립적으로 탐색, 검증 및 합성해야 하는 혁신적인 '완전 자율 최소 정보 패러다임(fully autonomous minimal information paradigm)'을 구현했다고 합니다. 에이전트가 알아서 계산도 하고 뉴스도 찾아보면서 매수/매도 결정을 스스로 ...
좋은 글 감사합니다.
하고있는 입장에서 이야기해보면 누가 프레임워크를 구성하느냐에 따라 성과가 다르게 나옵니다.
수익을 벌기 위해선 3가지 조건이 필요합니다.
1. 공간 탐색을 어떻게 효율적으로 잘 해낼 것인가? (도메인 지식)
2. 시장 상황에 맞춘 온라인 최적화가 가능한 구조인가? (익스플로잇 관점)
3. 바라보는 데이터로 프론트러닝이 가능한가? (비효율적인 시장 참여자 비율이 높은가?)
최소 3가지가 충족되지 않고 에이전트 기반 트레이딩으로 돈을 번 건 운때를 잘 맞춘 실력이라고 생각합니다.
결국엔 꽤 많은 토큰 비용과 CPU와 메모리 사용량이 선행되어야 유의미한 금액과 기간 동안 수익을 낼 수 있게 됩니다.
플라톤님 경험에서 우러나오는 인사이트를 나눠주셔서 감사합니다. 역시나 프레임워크를 어떻게 짜느냐에 따라서 결과가 많이 달라질 수 있겠네요! 말씀하신 3가지 조건을 충족하는 에이전트 모델이라도, 결과적으로 수익이 실력에서 나오는지 운이 작용한 것인지 아니면 둘 다 인지 구별하는 안목도 필요하겠네요.
삭제된 댓글입니다.
좋은 논문 소개 시켜주시고, 생각할거리 던져주셔서 감사합니다!
올려주신 아티클 잘 읽었습니다. 전상돈님이 저의 생각을 더 깊게 파고 들어가고 발전시켜주셔서 제가 오히려 더 감사하지요!
말씀하신대로 재밌고 흥미로운 논문을 소개해 주셔서 감사합니다.(지금에야 이 좋은 글을 읽었습니다. ^^) 원문을 살펴보니 AI agent들이 수행한 투자 기간이 생각보다 짧았다는 점이 저에게는 특이해 보였습니다. 평가를 하고자 하는 핵심은 포트폴리오 관리자로서의 역량(?)을 보겠다는 것 같은데 짧은 기간으로 충분한지에 대해서 의구심이 드는 건 저의 편견일까요? ^^
오랜만에 아주 재밌는 논문 소개해 주셔서 즐겁게 읽었습니다. 감사합니다.
Pioneer님이 투자 기간을 길게 보고싶다고 하셔서 다시 링크에 들어가보니 안 열리네요. 아마 투자 성과에 무슨 문제가 있었거나 중국 LLM들의 성과가 안좋게 나와서 사이트를 닫은게 아닌가 생각됩니다.
저도 마찬가지로 아직까지는 LLM이 스스로 생각하고 투자하기에 부족하다는 인식이 있고, 특히 긴 시계열의 관점에서 보면 테일 리스크나 매크로 환경이 변할때 대처방법이 미숙할 것 같습니다. 앞으로 모델들이 어떻게 발전해나가는지 지켜보시죠.
혹시 또 다른 재밌는 논문이 나오면 올려드릴게요.