技術概要：AGENTICAITA

1. 問題定義

従来のアルゴリズム取引システムは、決定論的ヒューリスティックまたはオフラインで訓練された統計モデル（例：強化学習、静的最適化）に依存しています。これらのシステムは根本的な限界に直面しています。すなわち、訓練時に知識を符号化しており、新規かつ急速に変化する市場レジームに直面した際、推論時に明示的な熟考を行う能力が欠如しているという点です。これらは再訓練なしに新しい市場条件のセマンティックな複雑さへ適応できず、分布シフトに対して脆弱です。さらに、金融分野における既存の大規模言語モデル（LLM）アプリケーション（例：FinGPT、BloombergGPT）は、自然言語処理（NLP）タスクや助言役割にほぼ限定されており、厳格な安全性制約のもとで実行制御ループに直接統合されていません。

2. 手法とシステムアーキテクチャ

AGENTICAITA は、従来の「シグナル生成→実行」パラダイムを、完全自律的な熟考的マルチエージェントループに置き換えることを目的とした概念実証フレームワークです。このシステムはオフライン訓練や人間の介入なしに稼働し、代わりに専門化された LLM エージェント間の構造化された推論に依存します。

アーキテクチャは、隔離されたプライベートネットワーク上でコンテナ化されたマイクロサービスとして展開され、4 つの中核モジュールで構成されます。

A. 適応的 Z スコアトリガエンジン（AZTE）

AZTE は認知リソース割り当て役として機能し、低エントロピーのノイズ期間中に高コストな LLM 推論パイプラインが作動するのを防ぎます。

• メカニズム: 瞬間的なリターン大きさ（$r_t$）を計算し、ローリングベースライン（30 観測値）と比較して異常 Z スコア（$z_t$）を生成します。
• トリガロジック: $z_t \ge 2.0$（統計的異常）または $r_t \ge 0.003$（絶対リターン下限）の場合にパイプラインが作動します。
• 革新性: この二重条件アプローチは、手動での再較正なしにボラティリティレベルに適応するレジーム不変性を確保し、絶対下限は低ボラティリティ期間中の数値的不安定性を防止します。

B. 逐次熟考パイプライン（SDP）

これは中核的なエージェント的貢献であり、意思決定を、役割の混同と確証バイアスを防ぐために型付き JSON 契約を介して通信する 3 つの専門エージェントの連鎖に分解します。

1. アナリストエージェント: 市場コンテキスト（OHLCV、オーダーブック、資金調達率、エピソード記憶）と相関ブレイク分散（CBD）スコアを受信します。信頼度と推論を伴う構造化された取引シグナル（ロング/ショート/待機）を出力します。
2. リスクマネージャーエージェント: ハイブリッドゲートとして機能します。
   • レイヤー A（決定論的）: 任意の LLM 呼び出し前に、シグナルの有効性、信頼度 $\ge 0.60$、ストップロス制限、最大ポジションサイズ $500 などのハード制約を強制します。
   • レイヤー B（LLM）: レイヤー A が通過した場合、LLM は文脈的検証とポジションサイズの較正を行います。
3. エグゼキューターエージェント: 外部副作用を持つ唯一のエージェントです。「LIVE」モードではプライバシー保護チャネル（Tor/VPN）を介して注文をルーティングし、「DRY_RUN」モードでは決定をログ記録します。

C. 推論ゲートングプロトコル（IGP）

共有 LLM 推論リソースへの同時アクセスを規制するミューテックスベースのスケジューラです。

• 機能: エージェントの作動を直列化し、一度に 1 つのパイプラインのみが実行されることを保証します。これにより競合状態を防止し、決定論的実行を確保するとともに、最小認知滞留時間を強制してマイクロ振動をフィルタリングします。

D. 相関ブレイク分散（CBD）

ポートフォリオレベルの固有シグナルの優先順位付けを実用化するために、アナリストの推論に統合される複合スコア（$\Omega$）です。

• 数式: $\Omega = \alpha \tilde{z}_t + (1-\alpha)\rho_{cb}$。ここで $\tilde{z}_t$ は飽和した異常スコア、$\rho_{cb}$ はビットコインに対する非相関指標です。
• 目的: 広範な市場から独立して動いている資産の選択を促進し、見かけ上の分散を削減することを目指します。

E. プライバシーと実行

システムはデュアルチャネルルーティングアーキテクチャを採用しています。市場データは直接 HTTPS を介して取得され、注文実行はエージェントのアイデンティティと取引活動の関連性を低減するため、Tor 回路と VPN を介してルーティングされます。

3. 実験結果

このフレームワークは、2026 年 4 月 6 日から 11 日の 5 日間の自律的ドライランセッションにおいて、ライブ市場データを使用した分散型永久先物取引所上で検証されました。システムは Ollama を通じて qwen3.5:9b モデルを利用しました。

• 運用の正確性: システムは、76 の固有資産にわたって 157 回の自律的パイプライン呼び出しを実行し、人間の介入はゼロでした。
• エージェント摩擦: システムは 11.5% の摩擦率（$F = 11.5\%$）を示しました。これは、アナリストの自己棄権（8.3%）とリスクマネージャーのハードゲート拒否（3.2%）の合計として計算されました。これは、エージェントがシグナルを受動的に中継するのではなく、独立した判断を行使したことを確認します。
• パフォーマンス指標:
  • ネット PnL: –$15.07（$26,079 のノミナルに対して –0.058%）。
  • 勝率: 51.80%（72 勝、67 敗）。
  • プロフィットファクター: 0.841（この特定の逆風レジーム中の絶対的な構造的損失を示唆）。
  • ベンチマーク比較: 同じ期間の受動的な BTC 買い持ち戦略（約 15% または –$3,912 の損失）に対して、AGENTICAITA は +14.94 パーセントポイントのベンチマーク相対アルファを達成しました。
• 統計的有意性: 著者は明確に、サンプルサイズ（139 取引）が統計的に堅牢なパフォーマンス推論には不十分であると述べています。二項検定は約 0.34 の p 値をもたらし、この段階では統計的に有意な方向的優位性を主張できないことを意味します。

4. 主要な貢献

本論文は、AGENTICAITA を以前のシステムと区別する 4 つのアーキテクチャ的貢献を特定しています。

1. 訓練不要オーケストレーション: RL ベースのシステムとは異なり、タスク固有の訓練、ファインチューニング、またはポリシー最適化を必要とせず、分布シフトの脆弱性を排除します。
2. 決定論的安全性制約: ハードゲートと型付き契約を介して検証可能なリスク制限を強制し、LLM の確率論的性質に依存せずにエージェントの行動を制限します。
3. 認知リソース割り当て: AZTE と IGP モジュールは計算コストと同時性を管理し、システムが高情報イベントでのみ作動し、監査可能性のために実行を直列化することを保証します。
4. エピソード記憶と熟考: システムはエピソード間永続性と構造化された熟考パイプライン（アナリスト $\to$ リスクマネージャー $\to$ エグゼキューター）を実装しており、エージェント間交渉と自己棄権を可能にします。

5. 意義と主張

本論文は、AGENTICAITA を、金融意思決定ループにおける訓練不要、決定論的、安全性制約付きマルチエージェントオーケストレーションの実現可能性を確立する予備的な概念実証として位置づけています。

• 控えめな主張: 著者は統計的に堅牢な取引優位性や長期的な収益性を主張していません。結果を「レジーム固有の運用指標」として明示的に位置づけ、熟考パイプラインがライブ市場条件下で正しく機能することを示しています。
• 主な価値: 意義はアーキテクチャ的検証にあります。すなわち、マルチエージェントシステムが人間の介入なしに厳格な安全性の範囲内で自律的に知覚、推論、交渉、行動できることを証明することです。
• 限界: 論文は、ドライランにおける取引コストモデルの欠如（PnL をさらに低下させる）、LLM のロング方向バイアス（90.4% のロングシグナル）、統計的妥当性を確立するための 500 回以上の取引を伴う 90 日間のライブ展開の必要性など、いくつかの限界を認めています。

要約すると、AGENTICAITA は、エージェント型 AI が金融市場において安全かつ自律的に稼働するように設計可能であることを示しており、この初期検証段階では即時の利益生成よりも運用の正確性と監査可能性を優先しています。