MM-DREX：基于大语言模型专家的多模态驱动动态路由交易系统
交易与市场微观结构
2025-09-11 v2
摘要
金融市场的内在非平稳性以及多模态信息的复杂性构成了现有定量交易模型的主要挑战。传统方法依赖固定结构和单模态数据，难以适应市场 regime 变化；而大语言模型（LLM）驱动的解决方案尽管具备多模态理解能力，却因策略静态且专家设计单一，缺乏动态调整和细粒度决策机制。为此，我们提出 MM-DREX：一个基于大语言模型的多模态驱动、动态路由专家框架。MM-DREX 显式地将市场状态感知与策略执行解耦，以适应非平稳环境中的适应性序列决策。具体而言，它（1）引入基于视觉语言模型（VLM）的动态路由器，对蜡烛图模式和长期时序特征进行联合分析，以分配专家权重；（2）设计四种异构交易专家（趋势、反转、突破、持仓），生成专业的细粒度子策略；（3）提出 SFT-RL 混合训练范式，以协同优化路由器的市场分类能力和专家的风险调整决策能力。在覆盖股票、期货和加密货币的多模态数据集上进行大量实验，表明 MM-DREX 在总收益、夏普比率和最大回撤等关键指标上显著优于 15 种基线方法（包括最新的金融 LLM 和深度强化学习模型），验证了其鲁棒性和泛化能力。此外，一个可解释性模块实时追踪路由逻辑和专家行为，为策略透明度提供审计轨迹。
引用
@article{arxiv.2509.05080,
title = {MM-DREX: Multimodal-Driven Dynamic Routing of LLM Experts for Financial Trading},
author = {Yang Chen and Yueheng Jiang and Zhaozhao Ma and Yuchen Cao and Jacky Keung and Kun Kuang and Leilei Gan and Yiquan Wu and Fei Wu},
journal= {arXiv preprint arXiv:2509.05080},
year = {2025}
}