本番データで見るLLM取引エージェントの実像

はじめに

大規模言語モデルを市場取引に接続すると、結果を決めるのはプロンプトだけではない。リスクをどう表示するか、ランキングをどこに置くか、どのツールを使わせるかといった運用レイヤーが、モデルの出力を実際の注文へ変換する。DXRG AIの研究は、同じ設計系譜を持つ2つの取引エージェント群を約6カ月追跡し、本番環境での振る舞いを記録した。

調査の範囲

1つ目はDX Terminal Proで、21日間に3,505のユーザー資金によるボールトがBase上の実ETH、主にミームコイン市場を取引した。2つ目はDXAPのライブアルファ群で、全履歴では500〜599のユーザー作成エージェントが存在し、同時稼働数は91〜117、対象はHyperliquidの永久先物だった。記録には約750万回の単一モデル呼び出し、約30万件のオンチェーン操作、さらに231,638回のマルチツール・ターンと14,596件の約定が含まれる。

主な発見は次の通りだ。

• 運用レイヤーが行動を強く左右した。 リスクスライダーが1段階上がると、レバレッジは約0.425増加した。エージェント固有効果は観測された差の約60%を説明する。ランキングのトップ3表示境界では、選択確率が約1.75倍に変化した。
• ポジションサイズはボラティリティに鈍感だった。 ボラティリティを6分位に分けても、レバレッジの中央値は一貫して5.0倍だった。取引全体の11%に当たる姿勢スライダーの1セルが、清算の62%を占めていた。
• 到達した含み益をほとんど確保できなかった。 24時間以内に300ベーシスポイント以上の有利な値動きを経験したポジションは43.2%だったが、そのうち49.3%は最終的にマイナスで決済された。機械的なブラケット手法との比較では、1ポジション当たり39.0ベーシスポイントを回収できた。
• 明確な方向性の優位性はなかった。 DXAP群は利益を上げられず、往復取引の勝率は41%で、対応するHyperliquid個人トレーダーの基準値50%を下回った。416件の本番シナリオを用いた再生比較では、モデル系統間の判断品質に統計的な差はなかったが、選択の安定性には違いがあった。

意味するところ

この研究は、取引エージェントの評価軸を「どのモデルが最も賢いか」から「システム全体がモデルをどう動かすか」へ移す。リスクスライダーは単なる設定項目ではなく、レバレッジを体系的に変える。ランキングも中立的な表示とは限らない。開発者にとっては、ボラティリティに応じたサイズ制御、損切り・利確、極端な設定の制限が、モデルの交換以上に重要になる可能性がある。

ただし、対象は同じ設計系譜の2システムであり、すべてのLLM取引システムに一般化できる結論ではない。機械的手法による39.0ベーシスポイントも、将来の収益を保証する数字ではない。より堅実な読み方は、本番条件下での弱点がモデルの知能不足だけでなく、サイズ管理と執行設計にあったということだ。

出典：Hugging Face Daily Papers