💰 quantitative finance

Can Blindfolded LLMs Still Trade? An Anonymization-First Framework for Portfolio Optimization

Dit paper introduceert BlindTrade, een framework dat LLM-handelsagenten door middel van anonimisering van tickers en bedrijfsnamen test om te bewijzen dat hun prestaties voortkomen uit het begrijpen van marktdynamiek in plaats van memorisatie, waarbij een GNN-gebaseerde PPO-DSR strategie een Sharpe-ratio van 1,40 behaalde in 2025 met een sterke prestatie in volatiele markten.

Oorspronkelijke auteurs: Joohyoung Jeon, Hongchul Lee

Gepubliceerd 2026-03-19

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Joohyoung Jeon, Hongchul Lee

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Titel: Kunnen blinde AI-handelaars nog steeds geld verdienen?

Stel je voor dat je een superintelligente robot wilt bouwen die geld verdient aan de beurs. Het probleem is: deze robot is opgeleid op een enorme hoeveelheid oude kranten en boeken. Hij heeft alles gelezen wat er ooit over "Apple" of "Tesla" is geschreven.

Als je deze robot nu vraagt om te handelen, is hij misschien niet slim genoeg om de markt te begrijpen. Hij doet misschien gewoon alsof hij slim is door te zeggen: "Oh, dit is Apple! In mijn trainingstexten staat dat Apple altijd stijgt, dus ik koop het!" Dit noemen we geheugen: hij onthoudt feiten, maar begrijpt de logica erachter niet.

De auteurs van dit paper (uit 2026) zeggen: "Nee, dat is niet eerlijk. We moeten testen of de robot echt begrijpt wat er gebeurt, of dat hij gewoon zijn geheugen ophaalt."

Hier is hoe ze dat hebben opgelost, vertaald in een simpel verhaal:

1. De "Blinddoek" (Anonymization)

Om te testen of de robot echt slim is, doen ze hem een blinde doek voor.

Hoe werkt het? Ze vervangen alle namen. "Apple" wordt "Stukje A", "Tesla" wordt "Stukje B". Zelfs de nieuwsberichten worden onleesbaar gemaakt voor de naam, maar wel leesbaar voor de inhoud.
De analogie: Het is alsof je een voetbalcoach vraagt om een team te kiezen, maar je vertelt hem niet wie de spelers heten. Je zegt alleen: "Speler A is snel, Speler B is moe, en Speler C heeft gisteren een blessure gehad." Als de coach dan nog steeds de juiste spelers kiest, betekent het dat hij het spel begrijpt, en niet dat hij gewoon de namen van de beroemde spelers uit zijn hoofd kent.

2. Het Team van Vier Experts (Multi-Agent System)

In plaats van één robot die alles moet doen, hebben ze een team van vier gespecialiseerde "denkers" (LLM-agenten) aangesteld. Iedereen kijkt naar de markt door een andere bril:

De Trendkijker: Kijkt of de prijs al een tijdje omhoog gaat (Momentum).
De Nieuwslezer: Kijkt of er iets belangrijks is gebeurd in het nieuws (zonder te weten welke naam het bedrijf heeft).
De Terugkeer-expert: Kijkt of een prijs te hoog of te laag is en verwacht dat het weer normaal wordt (Mean Reversion).
De Risico-bewaker: Kijkt of de hele markt gevaarlijk is of veilig (Risk Regime).

Elke expert schrijft een kort verslagje: "Ik denk dat dit stukje A goed is, omdat..."

3. De "Gedachtenkrant" (Semantic Graph)

Nu hebben ze vier verslagen. Hoe combineren ze die?
Ze maken een grafiek (een soort web) waar de verslagen van de experts aan elkaar worden gekoppeld.

Als twee verschillende "stukjes" (bedrijven) door de experts op dezelfde manier worden beschreven (bijvoorbeeld: "beide zijn te duur geworden"), dan worden ze in het web met elkaar verbonden.
Dit helpt de computer om patronen te zien die een mens misschien over het hoofd ziet, zelfs zonder de namen te kennen.

4. De Handelaar met een Plan (RL Policy)

Uiteindelijk moet er een beslissing worden genomen: welke "stukjes" kopen we?
Hier komt een reinforcement learning (versterkend leren) algoritme aan bod. Dit is de "handelaar" die de daadwerkelijke orders plaatst.

Deze handelaar heeft drie standen: Defensief (veilig spelen), Neutraal (normaal spelen) en Agressief (veel risico nemen).
De handelaar kijkt naar de samenvatting van de vier experts en kiest de stand die op dat moment het beste werkt.
Belangrijk: De handelaar leert om kosten te vermijden. Als hij te vaak heen en weer springt (te veel kopen en verkopen), betaalt hij te veel transactiekosten. Hij leert dus om rustig te blijven als het niet nodig is om te handelen.

Wat was het resultaat?

Ze hebben dit systeem getest op de echte beurs (S&P 500) in 2025.

De winst: Het systeem deed het veel beter dan de gemiddelde beursindex (SPY). Het verdiende meer geld per eenheid risico (een "Sharpe ratio" van 1.40).
De valkuil: Het systeem deed het heel goed in onrustige tijden (wanneer de markt schommelt), maar minder goed in een heel sterke, rustige stijgende markt (een "bull market").
De belangrijkste les: Omdat ze de namen hadden verdoezeld, weten ze nu zeker dat de robot niet gewoon "Apple" en "Tesla" uit zijn hoofd had geleerd. Hij heeft echt de patronen in de cijfers en het nieuws begrepen.

Samenvatting in één zin

De auteurs hebben een AI-handelaar gebouwd die blind is voor namen, maar scherp is voor patronen, en bewezen dat hij echt begrijpt hoe de markt werkt in plaats van alleen maar oude feiten te herhalen.

Waarom is dit belangrijk?
Vroeger dachten mensen dat AI slim was omdat hij de namen van grote bedrijven kende. Dit paper zegt: "Nee, als je de namen weghaalt en hij is nog steeds slim, dan is hij écht slim." Dat is de eerste stap naar betrouwbare, eerlijke AI in de financiële wereld.

Probleemstelling

De toepassing van Large Language Models (LLMs) in de financiële handel stuit op twee fundamentele beperkingen die de betrouwbaarheid van deze agents in gevaar brengen:

Memoriseringsbias (Memorization Bias): LLMs neigen ertoe om patronen uit hun trainingsdata te onthouden (bijvoorbeeld associaties tussen tickers zoals "AAPL" en positieve uitkomsten) in plaats van daadwerkelijke marktdynamiek te begrijpen. Dit leidt tot schijnbare prestaties die in de praktijk niet standhouden.
Survivorship- en Lookahead-bias: Traditionele backtesting-omgevingen bevatten vaak fouten waarbij failliete bedrijven uit datasets worden verwijderd (survivorship bias) of toekomstige informatie onbedoeld wordt gebruikt (lookahead bias).

Het paper stelt de vraag of LLMs echt marktpatronen begrijpen of slechts gemaakte correlaties uit hun training reproduceren.

Methodologie: BlindTrade Framework

De auteurs introduceren BlindTrade, een framework dat "anonymization-first" (eerst anonimiseren) als kernprincipe hanteert. Het doel is om te bewijzen dat signalen legitiem zijn door alle identificeerbare informatie te verwijderen. Het proces bestaat uit zes fasen:

Data-anonimisering:
- Alle tickers, bedrijfsnamen, dochterondernemingen en productnamen worden vervangen door synthetische identifiers (bijv. "AAPL" wordt "STOCK 0026").
- Zelfs in nieuwsberichten worden specifieke entiteiten vervangen via de Google Knowledge Graph API.
- Dit voorkomt dat de LLM direct een ticker herkent en een beslissing neemt op basis van pre-getrainde kennis.
Multi-Agent LLM Feature Generatie:
- Vier gespecialiseerde LLM-agents evalueren elke aandeel onafhankelijk vanuit een specifiek perspectief:
  - Momentum: Analyseert prijstrends en volume.
  - News-Event: Beoordeelt sentiment op geanonimiseerde nieuwskoppen.
  - Mean-Reversion: Zoekt naar overkocht/oververkochte situaties.
  - Risk-Regime: Beoordeelt het algehele marktrisico en systeemrisico.
- Agents werken met een strikte kennis-cutoff (alleen data tot $t-1$ ) en produceren niet alleen scores, maar ook uitleg (reasoning) in gestructureerde JSON.
IC Validatie (Information Coefficient):
- De voorspellende kracht van de LLM-scores wordt getest door de Spearman-rangcorrelatie te berekenen met de rendementen 21 dagen later.
- Alleen agents met een positieve IC of een significante verbetering ten opzichte van ruwe data (RAW) worden gebruikt.
SemGAT Encoder (Semantic Graph Attention Network):
- Een Graph Neural Network (GNN) bouwt een graaf op om relaties tussen aandelen te leren, zelfs zonder namen.
- Randen (Edges): Worden gevormd op basis van twee criteria:
  1. Sector-connectie (dezelfde sector).
  2. Semantische connectie: Als de cosine-相似iteit van de reasoning embeddings (de tekstuele uitleg van de LLM) hoger is dan 0,75.
- Dit stelt het model in staat om te leren dat twee anonieme aandelen op vergelijkbare gronden worden beoordeeld.
RL Policy (PPO-DSR):
- Een Reinforcement Learning agent (gebaseerd op Proximal Policy Optimization, PPO) bepaalt de portefeuillegewichten.
- Intent Head: De policy kiest een marktstijl (Intent): Defensief, Neutraal of Aggressief, gebaseerd op een consensus van de agents.
- Beloning: De Differential Sharpe Ratio (DSR) wordt gebruikt als beloningsfunctie, met aftrek van transactiekosten (10 bps).
- Top-K Masking: De RL agent kiest alleen de top 20 aandelen om de actie-ruimte beheersbaar te houden.
Backtesting:
- Uitgevoerd op de S&P 500 universe (point-in-time) met strikte transactiekosten en zonder cash-allocation (100% investering in aandelen).

Belangrijkste Bijdragen

Anonymisatie-protocol: Een protocol dat tickers en entiteiten vervangt om memorisatie te blokkeren en de "black box" van LLM-trading te doorbreken.
Multi-Agent Systeem met Redenering: Een architectuur waarbij agents niet alleen scores geven, maar ook hun redenering moeten uitleggen. Deze tekstuele uitleg wordt geëmbed en gebruikt voor het construeren van de graafstructuur.
SemGAT: Een nieuwe graaf-encoder die semantische gelijkenis in redeneringen gebruikt om relaties tussen anonieme aandelen te leren, in plaats van alleen op vaste sector-indelingen te vertrouwen.
Rigoureuze Validatie: Het gebruik van negatieve controlexperimenten (random shuffling van scores) om te bewijzen dat de prestaties niet het gevolg zijn van data-lekkage of toeval.

Resultaten

Het framework werd getest op de periode van 2025 tot 1 augustus 2025 (OOS - Out-of-Sample):

Prestaties: BlindTrade behaalde een geannualiseerde Sharpe-ratio van 1.40 ± 0.22 en een cumulatief rendement van 32,22%.
Vergelijking: Dit presteert aanzienlijk beter dan benchmarks zoals SPY (Sharpe 0.64), EQWL (0.74) en traditionele momentum-strategieën.
Ablatie-studies:
- Het verwijderen van LLM-functies liet de Sharpe-ratio dalen naar 1.14.
- Het verwijderen van de GNN-graafstructuur liet de Sharpe-ratio instorten naar 0.62, wat aantoont dat het leren van relaties tussen aandelen cruciaal is.
- Zonder RL-beleid (enkel Top-K met gelijke weging) daalde de Sharpe-ratio naar -1.17 door hoge transactiekosten; het RL-beleid verlaagde de omloopsnelheid (turnover) effectief.
Validatie: Bij het randomiseren van de voorspellingen (negatieve controle) verdween de voorspellende kracht (IC ging naar 0) en stortte de prestatie in. Dit bevestigt dat de signalen legitiem zijn.
Regime-afhankelijkheid: Het systeem excelleert in volatiele markten (2025 YTD), maar presteert slechter in sterke bull-markten (2024), waarbij het defensieve karakter de upside beperkt.

Significantie

Dit paper is significant omdat het een nieuwe standaard stelt voor de evaluatie van LLMs in de financiële sector. Het bewijst dat:

LLMs marktdynamiek kunnen begrijpen zonder te vertrouwen op memorisatie van tickers.
Redenering (Reasoning) een waardevolle feature is die direct kan worden gebruikt voor het construeren van complexe modellen (zoals GNNs).
Rigoureuze validatie (IC-analyse en negatieve controles) essentieel is voordat LLM-systemen in de praktijk worden ingezet.

De auteurs concluderen dat anonimisatie geen optionele stap is, maar een noodzakelijke voorwaarde om te kunnen claimen dat een AI-agent de markt echt "begrijpt" in plaats van slechts patronen uit de trainingsdata te reproduceren.