[3Win5] ポスターセッション3

[3Win5-60] 株式レーティングのためのエージェント協調型LLMフレームワークの提案

〇梶本 敬太¹、朴 哲²、向井 忠志²、村山 友理¹、和泉 潔¹ (1.東京大学、2.野村ホールディングス)

キーワード：大規模言語モデル、マルチエージェントシステム、株式レーティング

株式レーティングは投資家の投資判断において重要な役割を果たし、証券アナリストの主要タスクである。従来の人手によるレーティングには、膨大かつ複雑なデータ処理に伴う効率性の低下、市場イベントへの即応性の不足という課題が存在する。本研究では、これらの課題に対処するため、大規模言語モデル（LLM）を基盤とした協調型フレームワークを提案する。LLMは大量のテキストデータを高速に処理でき、また数値データの分析も可能なため、効率的なデータ処理と迅速な分析が期待できる。具体的には、財務指標の分析、市場データの処理、テキスト情報の解釈といった異なる役割を持つLLMを協調させることで、各データソースの特性を活かしつつ包括的な分析を可能とする。実験では、提案手法が比較手法を一部上回る結果を示し、短期および中期の市場変動に対応できる可能性を示唆した。ただし、市場環境によって性能にばらつきが観察されるなど、いくつかの制約も確認された。本研究の成果は、株式レーティングの自動化に向けた新たなアプローチを提示するものである。今後の課題として、エージェント間の対話機能の導入等を通じた予測精度の向上に取り組む予定である。