【Launch HN】クオンツトレードの知見でLLMを鍛える！自己進化型強化学習環境「EdotEnv」が登場

RuiとMichaelです。私たちはクオンツトレードのワークフローから生まれた、自己進化型の強化学習（RL）環境「EdotEnv」（https://edotenv.com ）を開発しました。現在のAI業界ではベンチマークのスコアが飽和し、モデルの性能差を測る意味が薄れています。私たちは、市場という「常に難易度が上がり続ける」環境こそが、次世代のLLM学習に最適だと考えました。市場はトレーダーが収益を上げるほど効率的になり、古い戦略が淘汰されていくため、モデルにとっても常に進化を強いる過酷なベンチマークとなります。EdotEnvでは、モデルに対して「予測機能やモデルの構築」「ポートフォリオ設計」「バックテスト」「市場環境への適応」といったクオンツワークフローを一連のタスクとして与えます。各工程には専用のツールを用意しており、学習エージェントの推論能力を直接的に評価可能です。実際にSOTAモデルを検証したところ、深い研究的な試行錯誤が苦手な点や、損失が出た際にトレーディング戦略を立て直すのではなく単に停止してしまうといった課題が浮き彫りになりました。詳細はぜひブログ（https://edotenv.com/?tab=blog ）をご覧ください。私たちは、単なる特定タスクの回答ではなく、応用MLリサーチや長期計画、継続的学習といった「転移可能な研究スキル」をモデルに習得させることを目指しています。検証用のサンプルリポジトリ（https://github.com/MMcollab-dotcom/feature-engineering ）も公開しました。AI研究所やエンタープライズの皆さま、ぜひ独自のAIエージェントで試してみてください。LLMに「株占い」をさせるのとは一線を画す、本格的なトレード研究の未来について意見交換できるのを楽しみにしています！

gpt 5.6 lunaでのロールアウトトレース例だよ。エージェントがどんなアルファを見つけたか興味あるならチェックしてみて XD https://hub.harborframework.com/jobs/af0299f9-a3bb-44ea-8ced... (https://hub.harborframework.com/jobs/af0299f9-a3bb-44ea-8ced-7b56682bf739)

もしデータが合成データじゃない場合、例えばFinancial Timesで学習した時みたいに、LLMがそのデータを学習済みじゃないってどうやって保証するの？

フロンティアLLMがファインチューニングなしで（例えばアルファ5%以上とかを）本当にうまくこなせるのか懐疑的だな。特に過去の市場データに対してはね。おそらくファインチューニングされたモデルもサポートしてるんだよね？

投資の解決策なんて話が出るたびに思うことがあるんだけど、「で、その後どうなるの？」ってこと。例えば水晶玉があるとして、みんなそれを使わない？水晶玉って違法にならないの？水晶玉の効果で何もかも台無しにならないかな？見落としてる点があるかもしれないけど、この分野の人がいたら、こういうのがどうスケールするのか教えてくれないか？

Quant Trading RL Envs to Teach LLMs Research

おっ、また「流行りのトピック」だな。もう十分お腹いっぱいじゃないか？

いまいちピンとこないんだけど、これってLLMのためのクオンツ取引ベンチマークなの？それとも強化学習環境（RL env）ってこと？

すごく面白いね。でもターゲット層はどこなの？以前トップティアのファンドで働いてたけど、シミュレーション環境の構築と保守だけで丸々チームがいくつも存在してたよ。