KAIST গবেষকরা দেখিয়েছেন যে একটি ল্যাঙ্গুয়েজ-মডেল-চালিত ট্রেডিং বটকে প্রতি পাঁচ দিন অন্তর তার নিজস্ব প্রম্পট পুনরায় লিখতে দিলে, ৫০ দিনের ট্রায়ালে এর Sharpe ratio ২.৯৪ থেকে বেড়ে ৪.০০ হয়েছে এবং এটি ৫০ বেসিস পয়েন্ট অতিরিক্ত পারফরম্যান্স প্রদর্শন করেছে। এই লাভের কারণ হলো বটটিকে প্রতিটি গণনা গদ্য (prose) থেকে পরিবর্তন করে এক্সিকিউটেবল Python কোডে রূপান্তর করতে বাধ্য করা।

কেন স্ট্যাটিক প্রম্পটগুলো অপর্যাপ্ত

বেশিরভাগ LLM এজেন্ট যারা কোড এক্সিকিউট করে, তারা একটি নির্দিষ্ট সিস্টেম প্রম্পট দিয়ে শুরু করে – যা একটি টেক্সট ব্লক যা মডেলটিকে বলে দেয় কীভাবে আচরণ করতে হবে। প্রম্পটটি প্রায়শই কোড টুলটিকে একটি ঐচ্ছিক সাজসজ্জা হিসেবে বিবেচনা করে। মডেলটি ভোলাটিলিটি (volatility) বা প্রত্যাশিত রিটার্ন সম্পর্কে "চিন্তা" করতে পারে, কিন্তু এটি সংখ্যাগুলো সাধারণ টেক্সট হিসেবে লেখে এবং তারপর অস্পষ্ট অনুমানের ভিত্তিতে কতটুকু বিনিয়োগ করতে হবে তা সিদ্ধান্ত নেয়। এর ফলে একটি বিচ্ছিন্নতা তৈরি হয়: মডেলটি নিখুঁতভাবে বৈধ কোড তৈরি করতে পারে, তবুও চূড়ান্ত ট্রেড সাইজ সেই কোডের বাইরে নির্বাচন করা হয়, যা সিদ্ধান্তটিকে হ্যালুসিনেশনের (hallucination) ঝুঁকিতে ফেলে দেয়।

EvolveTrade পদ্ধতি

KAIST টিম স্ট্যাটিক প্রম্পটের পরিবর্তে একটি মেটা-এজেন্ট ব্যবহার করেছে যা একটি চলমান পাঁচ দিনের উইন্ডোতে বটের পারফরম্যান্স পর্যালোচনা করে। প্রতিটি পর্যালোচনার পর মেটা-এজেন্ট সিস্টেম প্রম্পটটি পুনরায় লেখে, যা ল্যাঙ্গুয়েজ মডেল এবং এর কোড ইন্টারপ্রেটারের মধ্যে চুক্তিটিকে আরও সুদৃঢ় করে। নতুন প্রম্পটটি তিনটি সুনির্দিষ্ট পদক্ষেপ বাধ্যতামূলক করে:

  • Python ব্যবহার করে প্রতিটি অ্যাসেটের জন্য মেট্রিক্সের একটি টেবিল তৈরি করা।
  • অ্যাসেটগুলোর স্কোর করার জন্য সুনির্দিষ্ট গাণিতিক সূত্র প্রয়োগ করা।
  • মার্কডাউন টেক্সটের পরিবর্তে কোডের ভেতরেই টার্গেট পোর্টফোলিও ওয়েট (weights) নির্ধারণ করা।

বাস্তবে, উন্নত (evolved) বটটি প্রতিটি ট্রেডিং সাইকেলে ১১ বার Python টুলটি কল করেছে – মেট্রিক্স গণনা করতে, রিস্ক লিমিট যাচাই করতে এবং ওয়েট ক্যালিব্রেট করতে – যেখানে বেসলাইন এজেন্টটি কেবল একবার টুলটি কল করেছিল এবং বাকি কাজের জন্য টেক্সট-ভিত্তিক হিউরিস্টিকসের (heuristics) ওপর নির্ভর করেছিল।

গুরুত্বপূর্ণ সংখ্যাসমূহ

একটি স্ট্যান্ডার্ড অ্যাসেট ইউনিভার্সের ওপর ৫০ দিনের ব্যাক-টেস্ট চলাকালীন, উন্নত এজেন্টটি প্রদর্শন করেছে:

  • Sharpe ratio: ৪.০০ বনাম স্ট্যাটিক এজেন্টের জন্য ২.৯৪।
  • Cumulative return: ১০.৫৬% বনাম স্ট্যাটিক এজেন্টের জন্য ৮.৮৮%।

৫০ বেসিস পয়েন্টের এই অতিরিক্ত পারফরম্যান্স সরাসরি অ্যাকশনগুলোকে ডিটারমিনিস্টিক ম্যাথের (deterministic math) সাথে আরও দৃঢ়ভাবে যুক্ত করার ফলে এসেছে। মডেলের ডিসিশন পাইপলাইনকে সম্পূর্ণ পর্যবেক্ষণযোগ্য এবং পুনরাবৃত্তিযোগ্য করার মাধ্যমে, গবেষকরা সেই "অনুমাননির্ভরতা" দূর করেছেন যা সাধারণত LLM-চালিত ট্রেডিং কৌশলগুলোর কার্যকারিতা কমিয়ে দেয়।

কে জিতবে, কে হারবে

ফিন্যান্সিয়াল বট তৈরি করা ডেভেলপারদের জন্য শিক্ষাটি স্পষ্ট: যদি এজেন্টের একটি রানটাইম এনভায়রনমেন্টে অ্যাক্সেস থাকে, তবে প্রম্পটটিকে অবশ্যই প্রতিটি কার্যকর ইনসাইটকে কোড হিসেবে প্রকাশ করতে বাধ্য করতে হবে। এই নীতিটি অবহেলা করলে মডেলটি টুলের আউটপুটগুলোকে কেবল ব্যাকগ্রাউন্ড চ্যাটার হিসেবে বিবেচনা করতে পারে, যা পারফরম্যান্স কমিয়ে দিতে পারে এবং ঝুঁকি বাড়িয়ে দিতে পারে।

সীমাবদ্ধতা এবং পাল্টা যুক্তি

পরবর্তীতে যা লক্ষ্য রাখতে হবে

মূল কথা: একটি LLM-কে তার নিজস্ব ইনস্ট্রাকশন সেট পুনরায় লিখতে দিলে প্রতিটি ট্রেড সিদ্ধান্ত যাচাইযোগ্য কোডে রূপান্তরিত হয়, যা একটি অস্পষ্ট টেক্সট-ভিত্তিক এজেন্টকে একটি সুশৃঙ্খল এবং উচ্চ-রিটার্ন প্রদানকারী ইঞ্জিনে পরিণত করে। যে ডেভেলপাররা প্রম্পট-টুল চুক্তির অবহেলা করেন, তারা সম্ভাব্য মুনাফা হারানোর ঝুঁকিতে থাকেন।