Fin-Analyst at FinMMEval 2026 Task 3: A Live Hybrid Trading Agent with LLM Specialists and Rule-Based Signals
Fin-Analyst, ein hybrider Handelsagent mit einer acht-Spezialisten-LLM-Pipeline für Tesla und einem regelbasierten Signalsystem für Bitcoin, erreichte mit einer Rendite von 13,51 % die Spitzenposition auf dem FinMMEval 2026 Task 3 Leaderboard und demonstrierte damit die Überlegenheit ereignisgesteuerter LLM-Analysen gegenüber gedächtnislosen Modellen und festen Schwellenwerten, während gleichzeitig die Volatilitätsempfindlichkeit kurzfristiger Live-Trading-Evaluierungen hervorgehoben wurde.
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 vor, Sie betreiben einen winzigen, Hochgeschwindigkeits-Handelsbetrieb in einem chaotischen digitalen Marktplatz. Sie haben zwei Kunden: den einen ist Tesla (TSLA), eine Aktie, die sich wie eine Achterbahn bewegt, und der andere ist Bitcoin (BTC), eine digitale Münze, die wie ein Pendel schwingt. Ihr Ziel? Zu erraten, ob sie morgen steigen oder fallen werden, um einen Gewinn zu erzielen.
Hier kommt Fin-Analyst ins Spiel, ein neuer Roboter-Trader, der für einen Live-Wettbewerb namens FinMMEval 2026 gebaut wurde. Anstatt nur eines Gehirns besteht Fin-Analyst aus einem Team von Spezialisten, die zusammenarbeiten, aber seine zwei Kunden sehr unterschiedlich behandelt.
Das Zwei-Ebenen-Team
Für Tesla (Das LLM-Squad):
Betrachten Sie Tesla als einen Star, der ständig in den Nachrichten ist. Um den nächsten Schritt vorherzusagen, stellt Fin-Analyst acht verschiedene Experten ein, von denen jeder eine spezifische Aufgabe hat:
- Der News-Junkie: Liest die Schlagzeilen von heute.
- Der Legal Eagle: Scannt offizielle Regierungsberichte (wie die 8-K, 10-Q und 10-K Formulare).
- Der Buchhalter: Überprüft die finanzielle Gesundheit des Unternehmens.
- Der Wall-Street-Beobachter: Liest, was andere Analysten vorhersagen.
- Der Tech-Guru: Analysiert Charts und technische Muster.
- Der Social Butterfly: Liest, was die Leute in den sozialen Medien schreien.
- Der Event-Tracker: Beobachtet plötzliche, preisrelevante Ankündigungen.
- Der Quartalsreporter: Konzentriert sich auf saisonale Finanzberichte.
Alle acht dieser Experten sprechen mit einem Meta-Agent (dem Teamkapitän). Der Kapitän hört jedem zu, aber wenn die heutige Nachricht extrem laut und überzeugend ist, kann der Kapitän die anderen ignorieren und einfach der Nachricht folgen. Dieses gesamte Team wird von einem Large Language Model (LLert) angetrieben, das wie ein superintelligenter Roboter ist, der Texte lesen und verstehen kann.
Für Bitcoin (Das regelbasierte Trio):
Bitcoin wird anders behandelt. Anstatt eines Teams von acht Experten nutzt Fin-Analyst eine einfache, dreiköpfige Wahlkabine mit strengen Regeln:
- Der Trend-Spotter: Prüft, ob der Preis in letzter Zeit gestiegen oder gefallen ist.
- Das Fear & Greed Meter: Betrachtet einen berühmten „Stimmungsindex“ für Krypto. Wenn die Menschen in „Extremer Gier“ sind, verkauft der Roboter; wenn sie in „Extremer Angst“ sind, kauft er.
- Der Momentum-Coach: Folgt einem Label, das angibt, ob der Markt bullisch oder bärisch ist.
Wenn zwei Personen für „Kaufen“ stimmen und einer „Verkaufen“ sagt, kauft der Roboter. Wenn es ein Unentschieden gibt, bricht das „Fear & Greed“ Meter das Unentschieden. Dieser Teil des Systems verwendet keine ausgeklügelte KI-Intelligenz; er folgt lediglich einer Checkliste.
Die Ergebnisse des Live-Rennens
Das Team testete dieses System in einer Live-Simulation mit echtem Geld (nicht nur ein Videospiel) von Mai bis Juni 2026. So lief es ab:
- Tesla: Das Acht-Experten-Team war brillant. Es erzielte eine Rendite von +13,51 % und schlug damit die „Buy-and-Hold“-Strategie (bei der man einfach nur rumsitzt und nichts tut) um eine gewaltige Marge von +28,33 Punkten. Sie waren so gut, dass sie den 1. Platz unter allen Agenten im Wettbewerb belegten. Ihre „Sharpe Ratio“ (ein Wert dafür, wie viel Risiko sie für ihre Belohnung eingegangen sind) war ein massives 4,10, und sie gewannen 88 % ihrer Trades.
- Bitcoin: Das einfache, regelbasierte Team war okay, aber nicht großartig. Es endete mit einer Rendite von -5,30 %, was zwar schlecht klingt, aber bedenken Sie: Die „Buy-and-Hold“-Strategie für Bitcoin verlor während desselben Zeitraums etwa 26 %! Der Roboter hat seinen Besitzer also vor einem riesigen Crash bewahrt und liegt +17,63 Punkte vor der passiven Strategie. Dennoch belegte er nur den 13. Platz insgesamt.
Der Plot-Twist:
Hier ist der knifflige Teil: Als die Forscher Anfang Juni die Bestenliste überprüften, führte der Bitcoin-Roboter, während das Tesla-Team kaum die Gewinnschwelle erreichte. Doch bis zum Ende des Wettbewerbs Ende Juni drehten sich die Ranglisten komplett um. Das Tesla-Team erlebte eine späte Rallye und gewann Gold, während der Vorsprung des Bitcoin-Roboters schwand. Dies deutet darauf hin, dass sich Rankings in kurzen, wilden Märkten schnell ändern können und man nicht allein durch einen Schnappschuss sicher sein kann, wer wirklich der Beste ist.
Was funktionierte und was nicht
Die Forscher führten eine „Operation“ am Tesla-Team durch, um zu sehen, welcher Experte am wichtigsten war. Sie schalteten jeden Spezialisten nacheinander aus:
- Der Legal Eagle (8-K Einreichungen) war der MVP. Als sie diesen Experten entfernten, sank die Performance des Teams am stärksten. Dies deutet darauf an, dass plötzliche, offizielle Unternehmensankündigungen die größten Treiber für Teslas Preis sind.
- Der Quartalsreporter (10-K) und der Buchhalter schadeten dem Team tatsächlich leicht. Es scheint, dass das tägliche Betrachten von Jahresberichten zu viel Rauschen hinzufügt und den Roboter verwirrt.
- Die täglichen Nachrichten waren ebenfalls entscheidend. Ohne sie hatte das Team Schwierigkeiten.
Für Bitcoin funktionierten die einfachen Regeln gut, als der Markt abstürzte (der Roboter wusste, dass er frühzeitig verkaufen musste), aber sie versagten, wenn der Markt sich nur seitwärts bewegte. Der Roboter schwankte ständig in seiner Stimme hin und her, basierend auf winzigen, zufälligen Preisschwankungen, und verlor dadurch Geld durch „Rauschen“.
Die Schwächen des Roboters
Obwohl das Tesla-Team gewann, sind die Autoren ehrlich über die Mängel:
- Kein Gedächtnis: Der Roboter leidet unter Amnesie. Jeden Morgen wacht er ohne Erinnerung an die Fehler von gestern auf. Wenn er am Montag falsch geraten hat, könnte er auch am Dienstag wieder falsch liegen und denselben Fehler über Tage hinweg wiederholen.
- Starre Regeln: Der Bitcoin-Roboter verwendet feste Zahlen (wie „verkaufen, wenn der Preis um 0,5 % fällt“). In einem verrückten Markt passen sich diese Zahlen nicht an, was dazu führt, dass der Roboter zu viel bei zufälligem Rauschen handelt.
- Kleines Gehirn: Sie verwendeten ein kleineres, günstigeres KI-Modell (gpt-4o-mini), um Kosten zu sparen. Sie vermuten, dass ein größeres, klügeres Modell noch besser abgeschnitten hätte.
Das Urteil
Das Paper legt nahe, dass der Einsatz eines Teams von KI-Spezialisten zur Analyse von Nachrichten und Einreichungen ein leistungsstarker Weg ist, um Aktien wie Tesla zu handeln, insbesondere wenn man sich auf Breaking News und offizielle Einreichungen konzentriert. Für Bitcoin hingegen können einfache Regeln vor großen Abstürzen schützen, aber sie haben in ruhigen Märkten Schwierigkeiten.
Die Autoren kommen zu dem Schluss, dass dies erst der Anfang ist. Um noch besser zu werden, werden zukünftige Roboter in der Lage sein müssen, sich an ihre Vergangenheit zu erinnern, größere Gehirne zu nutzen und vielleicht sogar, dass die verschiedenen Experten vor einer Entscheidung miteinander debatieren. Vorerst beweist Fin-Analyst, dass ein hybrider Ansatz – eine Mischung aus smartem AI für Aktien und einfachen Regeln für Krypto – besser abschneiden kann als bloßes Stillhalten, selbst in einem kurzen, volatilen Rennen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.