技術的概要：LLM 拡張ポートフォリオ意思決定のための意味状態抽象化インターフェース

問題提起

深層強化学習（DRL）および逐次意思決定システムは、構造化されていないテキスト（例：金融ニュース）と数値的な市場データを統合するケースが増加しています。しかし、重要な設計上の欠陥が存在します。すなわち、多くのパイプラインは、テキストの意味的表現と、それを活用するために用いられる最適化アルゴリズムとの区別を曖昧にしているという点です。一般的なアプローチは、解釈性を損なう高次元の潜在ベクトルを使用するか、あるいはリスク、信頼性、ボラティリティといった直交する概念を混同する単一のスコア（例：単一のセンチメントスコア）を使用するかのいずれかです。さらに、テキストが希薄な場合（意思決定日の一部でのみ出現する場合）、パフォーマンスの向上が意味信号そのものによるものなのか、それとも特定の学習アルゴリズムのノイズ処理能力によるものなのかは不明確です。

手法：意味状態抽象化インターフェース（SSAI）

著者らは、希薄で構造化されていないテキストを、監査可能な $K$ 個の命名された座標にマッピングするための方法論的テンプレートとして、**意味状態抽象化インターフェース（SSAI）**を導入しました。

1. SSAI フレームワーク

• 定義: SSAI は、資産 $s$ に対する $d$ 日の文書集合 $N_{s,d}$ を、ベクトル $\sigma \in \{1, \dots, 5\}^K$ にマッピングします。
• 軸: この実装では、$K=4$ の軸が定義されています。
  1. センチメント: 非常にネガティブ（1）から非常にポジティブ（5）。
  2. リスク: 非常に低いリスク（1）から非常に高いリスク（5）。
  3. 信頼性: 非常に不確実（1）から非常に確実（5）。
  4. ボラティリティ予測: 非常に静穏（1）から非常に高ボラティリティ（5）。
• 実装: 固定された指示と数ショットの例を用いて、凍結された大規模言語モデル（LLM）にこれらの整数スコアを抽出させるようプロンプトします。
• 希薄性の処理: ニュースがない日（$N_{s,d} = \emptyset$）には、データをゼロ埋めしたり削除したりするのではなく、中立的なデフォルト（値 3.0）を適用します。
• 監査可能性: このインターフェースは、人間によるループ内監視を想定して設計されており、プロンプトレベルの除去実験や規制上の明瞭性（例：「リスクが 2 から 4 に増加した」など）を可能にします。

2. 評価プロトコル：表現と最適化の分離

方法論的な中核的貢献は、表現（$\phi$）の効果を最適化器から分離する評価設計にあります。

• 固定された表現: 単一の凍結された $\phi$（SSAI マップ）が、すべての推定器間で共有されます。
• 並列推定器: 同じ意味状態が、3 つの異なるクラスのモデルに入力されます。
  1. 低分散推定器: 直接ファクターポートフォリオ（SFP、SRF、SCW）および教師ありリッジ予測器。
  2. 高分散非線形推定器: 強化学習エージェント（DP-PPO および SAC）。
• 不変性: $\phi$ がすべてのモデルで同一かつ凍結されているため、いかなるパフォーマンスの差異も、表現ではなくアルゴリズムの選択に起因するものです。

3. 実験設定

• データ: NASDAQ-100 銘柄 30 銘柄、2019 年～2023 年のテスト期間（アウトオブサンプル）、2013 年～2018 年で学習。ニュースソースは FNSPID。
• ベースライン: 買い持ち（B&H）、モメンタム、等ボラティリティ、および高密度ニューラルエンコーダ（FinBERT、SSAI 軸の PC1）。
• RL エージェント:
  • DP-PPO: ドローダウンを非線形的に罰する報酬整形項を備えた、ドローダウンペナルティ付き Proximal Policy Optimization。
  • SAC: 同一の状態観測を備えた Soft Actor-Critic（オフポリシー）。

主要な結果

1. ポートフォリオパフォーマンス（ファクターポートフォリオ）

• 一見した上振れ: 4 軸 SSAI 意味ファクターポートフォリオ（SFP）は、累積リターン（CR）が307.2%、シャープレシオが1.067を達成し、買い持ち（243.6%）を上回るように見えました。
• 「構成効果」の留保: この優位性は厳密な制御下では維持されません。
  • 層別一致による失敗: ニュース被覆頻度を制御した場合、SFP はすべての被覆三分位（低、中、高）において B&H よりも劣りました。集計された利益は「銘柄選択の構成効果」であり、そのグループ内で信号が予測的であったからではなく、モデルがたまたま好成績を収めた中程度の被覆銘柄を選択したことに起因します。
  • コスト感応性: 取引コストが $\ge 0.2\%$ になると、この優位性は逆転します。
  • 統計的有意性: 4 ファクター SFP とセンチメントのみの SFP の間の差は有意ではありませんでした（Wilcoxon $p=0.556$）。
• 優れた代替案:
  • PC1-SFP: 4 軸のデータ駆動型第一主成分は、433.6% の CRを達成しました（SSAI-SFP より 126 パーセントポイント高い）。
  • FinBERT-SFP: 高密度エンコーダベースラインは、386.3% の CRを達成しました。
  • 結論: この設定において、命名された軸インターフェース（SSAI）は、データ駆動型または高密度の代替案と比較して、著しいパフォーマンスコスト（5 年間で 126pp の CR）を課しています。

2. 教師あり予測

• 希薄な LLM 意味列を価格・テクニカル特徴量に単純に付加することは、リッジ予測のパフォーマンスを低下させました。
• 語彙ベースライン（VADER、TF-IDF/SVD）および「高確信の意味的傾き」は、パフォーマンスを価格のみのレベルに回復させましたが、慎重な統合なしには高密度ニューラルエンコーダ（FinBERT）はリッジ予測を改善しませんでした。

3. 強化学習の診断

• アルゴリズム依存性: 同一の SSAI 状態下において、SAC（シャープレシオ 1.059）はDP-PPO（シャープレシオ 0.920、$p=0.027$）を有意に上回りました。
• 解釈: この格差は、表現の質ではなく、オフポリシーリプレイやエントロピー正則化といったアルゴリズム的な違いに起因します。
• マスキング: LLM シグナルを除去（中立的マスキング）しても、DP-PPO のパフォーマンスは有意に低下しませんでした（Wilcoxon $p \approx 0.25–0.31$）。これは、RL エージェントが希薄な意味信号を効果的に利用していなかったことを示唆しています。
• 除去実験: 特定の軸（例：信頼性）を除去するとリターンは減少しましたが、単一のチェックポイントにおける逆転（中立的 > 完全なシグナル）は、評価時の状態分布のシフトに起因するものであり、シグナル自体の害によるものではありませんでした。

意義と主張

本論文は、その貢献を優れたパフォーマンスの主張ではなく、診断的かつ戒め的なものとして明確に位置づけています。

1. 解釈性・パフォーマンスフロンティアの指標としての SSAI: 本研究は「解釈性のコスト」を定量化します。監査可能で名前付きの軸を持つ SSAI を、データ駆動型の PC1 や高密度の FinBERT と比較することで、著者らは、この特定のポートフォリオ文脈において、監査可能で人間が読み取れる軸を維持することが、著しいパフォーマンスコスト（5 年間で 126pp の CR）を伴うことを示しました。
2. シグナルと最適化器の分離: SSAI テンプレートは、システムの成功が意味的表現によるものか、学習アルゴリズムによるものかを解きほぐすための再利用可能な手法を提供します。結果は、この設定では**アルゴリズムの選択（SPO vs PPO）**が表現効果を凌駕していることを示しています。
3. 希薄テキストに関する戒め的な知見:
   • 希薄な LLM シグナルは、高確信の傾きやリスク管理としては有用ですが、慎重な統合なしには、高密度予測や RL への素朴な入力としては頑健ではありません。
   • ファクターポートフォリオにおける一見した上振れは、真のシグナル優位性ではなく、特定の銘柄を選択する構成アーティファクトである可能性があります。
   • 高被覆銘柄（例：NVDA、GOOGL）は、AI 投資サイクル中の市場効率性とファクターモデルの誤指定により、SSAI にとって最悪の相対パフォーマンスを示しました。

結論: 著者らは、SSAI が高密度な代替案を上回ると主張するものではありません。むしろ、彼らは SSAI を、意味シグナルと最適化ノイズを厳密に分離するための将来の研究のための方法論的テンプレートとして提供し、同時に、現在の監査可能性と予測力との間のトレードオフが著しいものであることを強調しています。この研究は、解釈性の制約が測定可能な経済的コストを伴うことを強調する「回顧的ベンチマーク」として機能します。