KAIST పరిశోధకులు ఒక లాంగ్వేజ్-మోడల్-డ్రివెన్ ట్రేడింగ్ బాట్ ప్రతి ఐదు రోజులకు ఒకసారి తన స్వంత ప్రాంప్ట్‌ను తిరిగి రాసుకోనివ్వడం వల్ల, దాని Sharpe ratio 2.94 నుండి 4.00కి పెరిగిందని మరియు 50 రోజుల ప్రయోగాత్మక కాలంలో 50-బేసిస్-పాయింట్ అదనపు లాభాన్ని (outperformance) అందించలేదని నిరూపించారు. ప్రతి గణనను (calculation) సాధారణ వచనం (prose) నుండి అమలు చేయగల Python కోడ్‌లోకి మార్చమని బాట్‌ను ఆదేశించడం వల్ల ఈ లాభం లభించింది.

స్టాటిక్ ప్రాంప్ట్‌లు ఎందుకు సరిపోవు

కోడ్‌ను అమలు చేసే మెజారిటీ LLM ఏజెంట్లు ఒక స్థిరమైన (fixed) సిస్టమ్ ప్రాంప్ట్‌తో ప్రారంభమవుతాయి – ఇది మోడల్ ఎలా ప్రవర్తించాలో చెప్పే ఒక వచన సమూహం. ఈ ప్రాంప్ట్ తరచుగా కోడ్ టూల్‌ను కేవలం ఒక అలంకారంగా మాత్రమే పరిగణిస్తుంది. మోడల్ వోలటాలిటీ (volatility) లేదా ఆశించిన రాబడి (expected returns) గురించి "ఆలోచించవచ్చు", కానీ అది సంఖ్యలను సాధారణ వచనంలో రాసి, ఆపై అస్పష్టమైన ఊహల ఆధారంగా ఎంత పెట్టుబడి పెట్టాలో నిర్ణయిస్తుంది. దీని ఫలితంగా ఒక విడదీయలేని అంతరం ఏర్పడుతుంది: మోడల్ ఖచ్చితమైన కోడ్‌ను రూపొందించగలదు, అయినప్పటికీ తుది ట్రేడ్ పరిమాణం (trade size) ఆ కోడ్ వెలుపల నిర్ణయించబడుతుంది, దీనివల్ల ఆ నిర్ణయం హాలూసినేషన్ (hallucination) కు గురయ్యే అవకాశం ఉంటుంది.

EvolveTrade విధానం

KAIST బృందం స్టాటిక్ ప్రాంప్ట్‌ను ఒక మెటా-ఏజెంట్‌తో భర్తీ చేసింది, ఇది ప్రతి ఐదు రోజుల విండోలో బాట్ పనితీరును సమీక్షిస్తుంది. ప్రతి సమీక్ష తర్వాత, మెటా-ఏజెంట్ సిస్టమ్ ప్రాంప్ట్‌ను తిరిగి రాస్తుంది, తద్వారా లాంగ్వేజ్ మోడల్ మరియు దాని కోడ్ ఇంటర్‌ప్రెటర్ మధ్య కంట్రాక్ట్‌ను మరింత దృఢపరుస్తుంది. కొత్త ప్రాంప్ట్ మూడు నిర్దిష్ట దశలను తప్పనిసరి చేస్తుంది:

  • Python ఉపయోగించి ప్రతి అసెట్ (asset) కోసం మెట్రిక్స్ పట్టికను రూపొందించడం.
  • అసెట్‌లను స్కోర్ చేయడానికి స్పష్టమైన గణిత సూత్రాలను (mathematical formulas) వర్తింపజేయడం.
  • మార్క్‌డౌన్ (markdown) వచనంలో కాకుండా, కోడ్ లోపలే టార్గెట్ పోర్ట్‌ఫోలియో వెయిట్స్‌ను (portfolio weights) లెక్కించడం.

ఆచరణలో, అభివృద్ధి చెందిన (evolved) బాట్ ప్రతి ట్రేడింగ్ సైకిల్‌లో మెట్రిక్స్‌ను లెక్కించడానికి, రిస్క్ లిమిట్‌లను ధృవీకరించడానికి మరియు వెయిట్స్‌ను సర్దుబాటు చేయడానికి (calibrate) Python టూల్‌ను 11 సార్లు ఉపయోగించింది – అయితే బేస్‌లైన్ ఏజెంట్ కేవలం ఒకేసారి టూల్‌ను ఉపయోగించి, మిగిలిన వాటి కోసం వచన ఆధారిత హ్యూరిస్టిక్స్‌పై (textual heuristics) ఆధారపడింది.

ముఖ్యమైన గణాంకాలు

ఒక ప్రామాణిక అసెట్ యూనివర్స్‌పై 50 రోజుల బ్యాక్-టెస్ట్ సమయంలో, అభివృద్ధి చెందిన ఏజెంట్ ఈ క్రింది ఫలితాలను చూపింది:

  • Sharpe ratio: స్టాటిక్ ఏజెంట్ యొక్క 2.94 తో పోలిస్తే 4.00.
  • Cumulative return: స్టాటిక్ ఏజెంట్ యొక్క 8.88% తో పోలిస్తే 10.56%.

ఈ 50-బేసిస్-పాయింట్ అదనపు లాభం నేరుగా చర్యలను నిర్ధారిత గణితంతో (deterministic math) బంధించడం వల్ల వచ్చింది. మోడల్ యొక్క నిర్ణయ ప్రక్రియను (decision pipeline) పూర్తిగా గమనించదగినదిగా మరియు పునరావృతమయ్యేలా చేయడం ద్వారా, పరిశోధకులు సాధారణంగా LLM-డ్రివెన్ ట్రేడింగ్ వ్యూహాల పనితీరును తగ్గిస్తున్న "ఊహలను" (guesswork) తొలగించారు.

ఎవరు గెలుస్తారు, ఎవరు ఓడిపోతారు

ఫైనాన్షియల్ బాట్‌లను రూపొందిస్తున్న డెవలపర్‌లకు పాఠం స్పష్టంగా ఉంది: ఏజెంట్‌కు రన్‌టైమ్ ఎన్విరాన్‌మెంట్ (runtime environment) అందుబాటులో ఉంటే, ప్రతి కార్యాచరణ సమాచారాన్ని (actionable insight) కోడ్‌గా వ్యక్తీకరించేలా ప్రాంప్ట్ దానిని ప్రేరేపించాలి. ఈ సూత్రాన్ని విస్మరిస్తే, మోడల్ టూల్ అవుట్‌పుట్‌లను కేవలం అనవసరమైన సమాచారంగా (background chatter) పరిగణించే అవకాశం ఉంది, ఇది పనితీరును దెబ్బతీసి రిస్క్‌ను పెంచుతుంది.

పరిమితులు మరియు విరుద్ధాంశాలు

తదుపరి ఏమి గమనించాలి

ముఖ్య అంశం (Takeaway): ఒక LLM తన స్వంత సూచనల సమితిని (instruction set) తిరిగి రాసుకోనివ్వడం వల్ల ప్రతి ట్రేడ్ నిర్ణయం ధృవీకరించదగిన కోడ్‌గా మారుతుంది, ఇది అస్పష్టమైన వచన ఆధారిత ఏజెంట్‌ను క్రమశిక్షణ కలిగిన, అధిక రాబడిని ఇచ్చే ఇంజిన్‌గా మారుస్తుంది. ప్రాంప్ట్-టూల్ కంట్రాక్ట్‌ను విస్మరించే డెవలపర్‌లు తమ లాభాలను కోల్పోయే ప్రమాదం ఉంది.