Исследователи представили фреймворк EvolveTrade для самообучающихся AI-трейдеров

Исследователи представили EvolveTrade — фреймворк для автоматической оптимизации стратегий торговых AI-агентов. Система позволяет моделям динамически корректировать системные промпты на основе накопленного опыта и результатов сделок, не изменяя при этом веса базовой LLM.

В отличие от традиционных агентов с фиксированными инструкциями, EvolveTrade использует отдельный «Policy Agent». Этот компонент анализирует историю решений и показатели доходности портфеля, после чего обновляет правила сбора данных, проверки сигналов и управления рисками. Такой подход обеспечивает адаптацию агента к меняющимся рыночным режимам без необходимости переобучения основной модели.

Эксперименты показали, что использование саморазвивающихся политик приводит к росту коэффициента Sharpe Ratio и совокупной доходности (Cumulative Return) по сравнению с агентами, работающими на статических промптах. Анализ поведения системы подтвердил, что обновленные политики чаще активируют инструменты для анализа кода и вычислений, специфичных для текущей рыночной ситуации.

Авторы отмечают, что адаптация процедур использования инструментов является критическим фактором для повышения надежности автономных финансовых систем. Работа опубликована под лицензией CC BY 4.0, что позволяет использовать предложенную методологию для разработки более гибких торговых алгоритмов.