QuantHarness: Price-Driven Multi-Agent LLMs for High-Frequency Trading
Das Paper stellt QuantHarness vor, ein neuartiges Multi-Agenten-LLM-Framework, das speziell für den Hochfrequenzhandel entwickelt wurde und spezialisierte Agenten nutzt, um strukturierte Signale mit kurzem Zeithorizont zu verarbeiten, wobei es im Vergleich zu bestehenden Modellen mit langem Zeithorizont und textbasiertem Fokus eine überlegene Vorhersagegenauigkeit sowie Echtzeit-Entscheidungsfähigkeiten demonstriert.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich den Aktienmarkt wie einen riesigen, chaotischen Ozean vor. Seit Jahrzehnten versuchen Seeleute (Trader), die Wellen mithilfe von zwei Hauptkarten vorherzusagen. Die erste Karte ist ein Wetterbericht voller Nachrichten, Gerüchte und Social-Media-Gequatsche – das, was die Leute sagen, was gerade passiert. Die zweite Karte ist das Wasser selbst: das tatsächliche Steigen und Fallen der Wellen, aufgezeichnet in präzisen Zahlen. Die meisten modernen Computerprogramme, die versuchen, den Markt vorherzusagen, waren besessen von den Wetterberichten; sie lesen Millionen von Nachrichtenartikeln, um zu erraten, wohin das Wasser als Nächstes fließen wird. Aber hier liegt der Haken: Bis eine Nachricht im Internet erscheint, hat sich das Wasser oft schon bewegt. Die Wellen haben sich bereits verschoben, und die Nachricht ist nur noch ein langsames Echo.
Hier kommt eine neue Idee ins Spiel: Was wäre, wenn wir aufhörten, die Wetterberichte zu lesen, und stattdessen einfach nur das Wasser beobachten würden? Dieser Ansatz, der als „Technische Analyse“ bezeichnet wird, geht davon aus, dass jede Nachricht, jede Angst und jede Hoffnung bereits im Preis des Vermögenswertes eingepreist ist. Wenn man in der Lage ist, die Muster in den Preisbewegungen selbst zu lesen, kann man die nächste Welle vielleicht schneller vorhersagen als jeder, der die Nachrichten liest. Stellen Sie sich nun vor, Sie geben einem superintelligenten Computergehirn (einem Large Language Model) die Aufgabe, diese Wassermuster zu lesen. Normalerweise sind diese Gehirne gut darin, Geschichten zu schreiben oder zu chatten, aber sie können langsam sein und leicht durch zu viel Text abgelenkt werden. Dieses Paper stellt eine einfache, kühne Frage: Können wir diese KI-Gehirne lehren, das Rauschen zu ignorieren und zu blitzschnellen Experten zu werden, die die Rohdaten des Marktes lesen, um im Echtzeithandel zu agieren?
Das Paper stellt QuantHarness vor, ein neues System, das darauf ausgelegt ist, diese Frage zu beantworten. Betrachten Sie QuantHarness nicht als einen einzelnen Trader, sondern als ein winziges, Hochgeschwindigkeits-Handels-Team aus vier spezialisierten Robotern, die alle innerhalb eines Computers zusammenarbeiten. Im Gegensatz zu anderen KI-Tradern, die Stunden damit verbringen, Nachrichtenüberschriften zu lesen, betrachtet dieses Team nur die „Candlestick“-Charts – die rohen, farbigen Balken, die den Eröffnungs-, Höchst-, Tiefst- und Schlusskurs eines Vermögenswertes über einen kurzen Zeitraum zeigen.
Das Team besteht aus vier unterschiedlichen Agenten, von denen jeder eine spezifische Aufgabe hat:
- Der Indikator-Agent ist das Mathe-Genie. Er nimmt die rohen Preisbalken und berechnet schnell berühmte „Geschwindigkeitsmesser“ wie RSI und MACD. Diese Werkzeuge sagen dem Team, ob sich der Markt zu schnell bewegt, ob er erschöpft ist oder ob er kurz vor einer Wende steht.
- Der Muster-Agent ist der Künstler. Er betrachtet die Form der Preisbalken und versucht, bekannte Zeichnungen zu erkennen, wie etwa eine „V“-Form für eine schnelle Erholung oder ein Dreieck, das auf eine bevorstehende große Explosion hindeutet. Er verwandelt die zackigen Linien in erkennbare Formen.
- Der Trend-Agent ist der Navigator. Er zeichnet Linien auf den Chart, um zu sehen, ob sich der Markt generell nach oben oder unten bewegt oder ob er einfach im Stau steht. Er prüft, ob der Preis von einem Boden (Unterstützung) abprallt oder gegen eine Decke (Widerstand) stößt.
- Der Risiko-Agent ist der Sicherheitsbeauftragte. Bevor jemand einen Schritt macht, berechnet dieser Agent genau, wie viel Geld verloren gehen könnte, und legt einen „Stop-Loss“ (einen Punkt, an dem man aufhört, um Geld zu retten) und ein „Take-Profit“ (einen Punkt, an dem man Gewinne mitnimmt) fest.
Schließlich fungiert ein Entscheidungs-Agent als Kapitän. Er hört den Berichten aller vier Teammitglieder zu, wiegt die Beweise ab und trifft die endgültige Entscheidung: Kaufen (Long) oder Verkaufen (Short). Das System ist darauf ausgelegt, in der „Hochfrequenz-Zone“ zu arbeiten, was bedeutet, dass es Entscheidungen in Stunden oder sogar Minuten trifft, nicht in Tagen.
Die Forscher testeten dieses Team auf neun verschiedenen Finanzmärkten, darunter Bitcoin, Rohöl und wichtige Aktienindizes wie den S&P 500. Sie verglichen QuantHarness mit einem Zufallsrater, einem einfachen mathematischen Modell und einem Standard-Maschinellen-Lernmodell. Die Ergebnisse waren vielversprechend: In diesen Tests lieferte das QuantHarness-Team konsistent genauere Vorhersagen darüber, in welche Richtung sich der Markt in den nächsten Stunden bewegen würde. Beispielsweise verbesserte es die Vorhersagegenauigkeit bei Nasdaq-Futures um etwa 26,5 % im Vergleich zu einem Zufallsrater. Es gelang ihm auch, Verluste in den meisten Fällen besser zu begrenzen als die anderen Methoden.
Das Paper ist jedoch vorsichtig damit, dies nicht als magische Geldmaschine zu bezeichnen. Die Autoren merken an, dass das System am besten auf 1-Stunden- und 4-Stunden-Zeitrahmen funktioniert. Als sie versuchten, es auf ultra-kurzen Zeitrahmen (wie 1 bis 15 Minuten) anzuwenden, wurde das System durch das „Rauschen“ des Marktes verwirrt, und die Genauigkeit sank. Sie geben auch zu, dass das System noch nicht wirklich „Echtzeit“-fähig ist; da die KI denken und ihre Werkzeuge aufrufen muss, gibt es eine leichte Verzögerung, die für die schnellsten Sekundengeschäfte zu langsam sein könnte.
Letztendlich legt das Paper nahe, dass wir durch die Kombination der Mustererkennungsfähigkeit von KI mit der Geschwindigkeit und Struktur von Rohpreisdaten Handelssysteme bauen können, die nicht nur schneller, sondern auch leichter verständlich sind. Anstatt einer „Black Box“, die mysteriöse Entscheidungen trifft, liefert QuantHarness für jeden Trade eine klare, schriftliche Erklärung und zeigt genau auf, welcher Indikator oder welches Muster den Zug ausgelöst hat. Es ist ein Schritt dahin, den Hochgeschwindigkeitshandel weniger wie ein Glücksspiel und mehr wie eine disziplinierte, transparente Wissenschaft zu machen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.