市场状态委员会：多智能体LLM决策系统中的动态信用分配
人工智能
2026-05-26 v1 机器学习
投资组合管理
摘要
用于投资组合管理的多智能体LLM决策系统仍然缺乏一种原则性的方法来在专家智能体之间分配信用，在市场状态转换下容易受到冷启动主导的影响，并且对最终资产配置的形成过程透明度有限。我们提出了市场状态委员会（MRC），这是一个协作式多智能体决策系统，它计算所有单智能体、成对智能体和大联盟输出的精确沙普利信用值，用于在线智能体加权。在实例化N=3个专家智能体的情况下，在每个交易周期，MRC根据指数加权的历史表现重新计算基于联盟的沙普利权重，使用贝叶斯自适应混合模型来稳定早期阶段，应用依赖于状态的乘数来调整智能体权限，并通过五层因果追踪记录每次再平衡。在13种加密资产和五个随机种子上，经过1,037个交易日，MRC实现了1.51的夏普比率和440.1%的累积回报率，在累积回报率、夏普比率和信息比率上均排名第一，并在主动方法中实现了最低的最大回撤。消融结果表明，收益来自跨联盟输出的沙普利加权集成，而非任何单一阶段的孤立作用。代码和演示数据包含在补充材料中。
引用
@article{arxiv.2605.24490,
title = {Market Regime Council for Dynamic Credit Assignment in Multi-Agent LLM Decision Systems},
author = {Yunhua Pei and Zerui Ge and Jin Zheng and John Cartlidge},
journal= {arXiv preprint arXiv:2605.24490},
year = {2026}
}
备注
35 pages, 13 figures, preprint