arXivは2026年6月23日(現地時間)、ドゥルーブ・シャルマ (Dhruv Sharma) 氏とガウタム・シュロフ (Gautam Shroff) 氏による研究論文「AlgoEvolve: LLM-driven Meta-evolution of Algorithmic Trading Programs」を公開した。この論文は、大規模言語モデル (LLM) を用いてアルゴリズム取引プログラムを生成・評価し、反復的に改善する進化的フレームワーク「AlgoEvolve」を提案する。同フレームワークは、Pythonコードで表現された取引戦略を厳密な評価プロトコル (rigorous testing protocol) で検証し、創発的な市場環境適応型戦略ロジック (emergent regime-adaptive strategy logic) を示すとしている。
AlgoEvolveは、LLMがプログラムや証明の進化的発見においてセマンティック変異演算子として機能するという近年の研究を、アルゴリズム取引の分野に拡張したものである。論文は、アルゴリズム取引がノイズが多く、非定常で、不連続性が高いという特有の課題を持つ領域であると指摘する。
本研究では、内側のループでプログラム合成をガイドするプロンプト自体を進化させる「メタ進化的外側ループ」を導入している。この外側ループは、探索と活用 (exploration and exploitation) のバランスを取り、取引不成立 (zero-trade failures) を削減しつつ、改善された探索ヒューリスティクスを発見する。これらのヒューリスティクスは、初期の人間が設計した指示を一貫して上回る性能を示したと述べられている。
複数の実験を通じて、AlgoEvolveシステムは取引ルールにおける自律的なシフトを含む、創発的な市場環境適応型戦略ロジックを示すことが確認された。この結果は、複雑な環境における継続的なプログラム合成に対して、LLMベースのセマンティック進化が実行可能なアプローチであることを実証している。
AlgoEvolveは、アルゴリズム取引だけでなく、動的な環境下でのプログラムの自律的な進化と最適化を必要とする他の分野への応用も示唆している。研究者らは、本フレームワークが将来的に金融市場における意思決定プロセスの自動化と効率化に貢献する可能性を秘めていると見ている。
参考: arXiv cs.AI (アーカイブ) — 2026年6月26日 13:00 (JST)
原文ハイライト"AlgoEvolve: LLM-driven Meta-evolution of Algorithmic Trading Programs"