AlgoEvolve: ИИ эволюционирует алгоритмы трейдинга — система сама меняет стратегии
Группа исследователей разработала фреймворк AlgoEvolve, использующий большие языковые модели (LLM) для эволюционного создания алгоритмических торговых стратегий. Работа опубликована на arXiv. Авторы отмечают, что задачи в сфере алготрейдинга отличаются высокой сложностью из-за зашумленности, нестационарности и разрывности данных.
В основе подхода лежит идея использования LLM в качестве оператора мутации для эволюционного поиска программ. В отличие от предыдущих работ, ориентированных на статичные задачи кодирования, AlgoEvolve применяется к созданию исполняемых торговых стратегий на языке Python.
Фреймворк включает два контура эволюции: внутренний цикл генерирует и тестирует стратегии, а внешний метаэволюционный цикл оптимизирует промпты, управляющие синтезом программ. Это позволяет системе автономно улучшать эвристики поиска.
По результатам экспериментов, AlgoEvolve продемонстрировал способность к адаптации стратегий под разные рыночные режимы — система самостоятельно меняла правила торговли в ответ на изменения данных. Метаэволюция промптов позволила достичь баланса между исследованием и эксплуатацией, а также снизить количество неудач с нулевыми сделками.
Как отмечают разработчики, полученные эвристики стабильно превосходят изначальные ручные инструкции, заложенные человеком. Это говорит о перспективности LLM-ориентированной эволюции для непрерывного синтеза программ в сложных средах.
Пока работа носит исследовательский характер, но авторы считают, что подобный подход может найти практическое применение в автоматизированной торговле и других областях, где требуется адаптивное управление в условиях неопределенности.
