基于大语言模型的中国公募REITs多智能体投资系统设计与实证研究
统计金融
2026-02-03 v1 人工智能
交易与市场微观结构
摘要
本研究针对低波动的中国公募房地产投资信托基金（REITs）市场，提出了一种基于多智能体协作的大语言模型（LLM）驱动交易框架。该系统构建了四种分析智能体——公告、事件、价格动量与市场——各自从不同维度进行分析；然后预测智能体整合这些多源信号，输出跨多个时间区间的方向性概率分布；接着决策智能体根据预测结果和风险控制约束生成离散的头寸调整信号，从而形成分析-预测-决策-执行的闭环。本研究进一步比较了两种预测模型路径：对于预测智能体，直接调用通用大模型DeepSeek-R1与使用通过监督微调和强化学习对齐微调的专业小模型Qwen3-8B。在2024年10月至2025年10月的回测中，两种基于智能体的策略在累计收益、夏普比率和最大回撤方面均显著优于买入并持有基准。结果表明，多智能体框架能有效提升REITs交易的风险调整后收益，且微调后的小模型在某些场景下表现接近甚至优于通用大模型。
引用
@article{arxiv.2602.00082,
title = {Design and Empirical Study of a Large Language Model-Based Multi-Agent Investment System for Chinese Public REITs},
author = {Zheng Li},
journal= {arXiv preprint arXiv:2602.00082},
year = {2026}
}