AI取引：テクニカル市場分析における大規模言語モデルの評価
5つの主要な大規模言語モデル（LLM）のテクニカル市場分析能力を系統的に評価した研究。GPT-4 Turboが汎用モデル中で最高の年率リターンとシャープレシオを達成し、FinGPTはドメイン特化の微調整により競争力のあるリスク調整後パフォーマンスを示した。また、数値幻覚、コンテキストウィンドウ制限などの障害モードも特定された。
ジョージア工科大学の最新の研究により、テクニカル市場分析における大規模言語モデル（LLM）の能力が系統的に評価されました。評価対象は、GPT-4 Turbo、Claude 3 Opus、Gemini 1.5 Pro、Llama 3 70B、およびドメイン特化型のFinGPTの5モデルで、研究はGeofrey Ntaleの修士論文として実施され、2026年7月にarXiv（ID: 2607.15414）にプレプリントが公開されています。
研究では4つの構造化タスクが設計されました：OHLCVデータからのローソク足パターン認識、方向性シグナル生成（買い/売り/ホールド）、シミュレーション実行パイプラインによるシグナル品質のバックテスト、そして金融レポートの理解。実験にはシャープレシオ、最大ドローダウン、ソルティノレシオ、情報係数、F1スコア、BLEUスコアなどの厳格な定量的指標が用いられました。シミュレーションバックテストの結果、GPT-4 Turboは汎用モデルの中で最高の年率リターンとシャープレシオを達成し、FinGPTはドメイン特化の微調整により競争力のあるリスク調整後パフォーマンスを示しました。テスト条件下では、これらの2モデルは受動的なS&P 500ベンチマークを上回りました。しかし、研究は全評価モデルにわたって永続的な障害モードを特定しました。これには数値幻覚（不正確な財務数値の生成）、コンテキストウィンドウの制限（長いシーケンスデータの活用不足）、横ばい市場での一貫性のないパフォーマンスが含まれます。
結論として、LLMはAI取引システムにおいて真の可能性を秘めているものの、堅牢な展開には慎重なタスク分解、厳格なバックテストプロトコル、そしてドメインを意識した微調整戦略が必要であるとされています。この研究は、金融分野の実務者やAI研究者にとって、LLMのテクニカル分析への応用に関する重要な洞察を提供するとともに、現在のモデルの限界を明らかにし、将来の改善方向を示しています。