研究人員提出EvolveTrade框架，供自我學習的AI交易員使用

研究人員提出EvolveTrade，一種用於自動優化交易AI代理策略的框架。該系統允許模型在不改變基礎LLM權重的情況下，根據累積的經驗和交易結果動態調整系統提示。

與傳統的具有固定指令的代理不同，EvolveTrade使用一個單獨的「策略代理」（Policy Agent）。該組件分析決策歷史和投資組合收益率，然後更新數據收集、信號檢查和風險管理規則。這種方法可以在不需要重新訓練基本模型的情況下，使代理適應變化的市場模式。

實驗表明，使用自我發展的策略會導致Sharpe Ratio和累積收益率（Cumulative Return）的增加，相比之下，靜態提示的代理則無法做到這一點。系統行為分析證實，更新的策略更常啟動特定於當前市場情況的代碼分析和計算工具。

作者指出，適應工具使用程序是提高自主金融系統可靠性的關鍵因素。該工作在CC BY 4.0許可下發表，允許使用所提出的方法論來開發更靈活的交易算法。