BlackRock опубликовала исследование о системе AlphaAgents, которая использует многоагентную архитектуру на базе больших языковых моделей (LLM) для поддержки инвестиционных решений.
В отличие от традиционных алгоритмов, AlphaAgents имитирует работу команды аналитиков:
Fundamental Agent анализирует корпоративные отчеты , а также финансовые показатели компаний, используя инструменты извлечения данных и RAG-модель.
Sentiment Agent отслеживает финансовые новости и аналитические рейтинги, применяя LLM-суммаризацию и рефлексивные подсказки для оценки настроений рынка.
Valuation Agent работает с историческими котировками и объемами торгов, рассчитывает доходность, волатильность и оценивает справедливую стоимость акций.
Агенты не действуют по отдельности: их выводы объединяются через механизм группового чата и «дебатов». Если мнения расходятся, система запускает цикл обсуждений, пока не достигнет согласованного решения — аналог работы инвестиционного комитета.
Для экспериментов команда BlackRock выбрала 15 акций технологического сектора. Портфели формировались на основе рекомендаций агентов при разных сценариях: риск-нейтральном и риск-аверсивном. В тестах (с февраля по май 2024 года) многоагентный портфель превзошёл как бенчмарк, так и результаты отдельных агентов по совокупной доходности и коэффициенту Шарпа. При консервативных настройках система показала меньшую волатильность и меньшие просадки, хотя итоговая доходность уступала рынку из-за роста высокорисковых технокомпаний.
По словам авторов, AlphaAgents может стать модулем для будущих инвестиционных систем: его сигналы можно использовать в классических моделях оптимизации портфеля вроде Black-Litterman. Главное преимущество — прозрачность: все дискуссии агентов логируются, что позволяет инвестору видеть ход рассуждений ИИ.
Чтобы не пропустить анонс новых материалов подпишитесь на «Голос Технократии» — мы регулярно рассказываем о новостях про AI, LLM и RAG, а также делимся полезными мастридами и актуальными событиями.
Источник: habr.com