I ricercatori hanno presentato il framework EvolveTrade per trader AI autoapprendenti

I ricercatori hanno presentato EvolveTrade — un framework per l'ottimizzazione automatica delle strategie degli agenti di trading AI. Il sistema consente ai modelli di correggere dinamicamente i prompt di sistema in base all'esperienza e ai risultati degli scambi accumulati, senza modificare i pesi della LLM di base.

A differenza degli agenti tradizionali con istruzioni fisse, EvolveTrade utilizza un "Policy Agent" separato. Questo componente analizza la storia delle decisioni e le prestazioni del portafoglio, quindi aggiorna le regole di raccolta dei dati, di verifica dei segnali e di gestione dei rischi. Questo approccio consente all'agente di adattarsi ai regimi di mercato in evoluzione senza la necessità di riaddestrare il modello di base.

Gli esperimenti hanno mostrato che l'utilizzo di politiche autoevolventi porta a un aumento del coefficiente Sharpe Ratio e del rendimento complessivo (Cumulative Return) rispetto agli agenti che lavorano con prompt statici. L'analisi del comportamento del sistema ha confermato che le politiche aggiornate attivano più frequentemente gli strumenti per l'analisi del codice e i calcoli specifici per la situazione di mercato attuale.

Gli autori notano che l'adattamento delle procedure di utilizzo degli strumenti è un fattore critico per aumentare l'affidabilità dei sistemi finanziari autonomi. Il lavoro è pubblicato sotto licenza CC BY 4.0, che consente di utilizzare la metodologia proposta per sviluppare algoritmi di trading più flessibili.