LLM 作为风险经理：预测市场中的语义过滤领先-滞后交易
风险管理
2026-03-02 v2 统计金融
摘要
预测市场提供了一个独特的场景，其中事件级时间序列直接与自然语言描述相关联，但由于虚假统计相关性，仍然难以发现稳健的领先-滞后关系。我们提出了一种混合两阶段因果筛选器以解决此挑战：（i）统计阶段使用格兰杰因果性识别市场隐含概率时间序列中的候选领先-跟随配对；（ii）基于事件描述评估候选配对方向是否符合可行的经济传导机制的LLM语义阶段对其进行重新排序。由于因果真实性不可观测，我们通过固定、信号触发的交易协议评估排序后的配对，将关系质量映射为实现的盈亏（PnL）。在Kalshi经济市场上，我们的混合方法持续优于统计基准。滚动评估中，胜率从 51.4% 提升至 54.5%。关键在于，亏损交易的平均幅度显著下降，从 649 美元降至 347 美元。这一改进归功于LLM能够过滤掉易受大额亏损冲击的统计脆弱链接，而非依赖罕见收益。这些改进在不同交易配置下保持稳定，表明收益并非由特定参数选择驱动。总体而言，结果表明LLM在统计发现之上发挥语义风险管理器作用，优先考虑在市场条件变化下可泛化的领先-滞后关系。
引用
@article{arxiv.2602.07048,
title = {LLM as a Risk Manager: LLM Semantic Filtering for Lead-Lag Trading in Prediction Markets},
author = {Sumin Kim and Minjae Kim and Jihoon Kwon and Yoon Kim and Nicole Kagan and Joo Won Lee and Oscar Levy and Alejandro Lopez-Lira and Yongjae Lee and Chanyeol Choi},
journal= {arXiv preprint arXiv:2602.07048},
year = {2026}
}
备注
11 pages