大規模言語モデル（LLM）を活用した新しい進化的プログラム合成の手法が、アルゴリズム取引の領域に応用されました。研究チームが発表した「AlgoEvolve」は、LLMを意味的変異演算子として機能させ、実行可能な自動売買戦略を自動生成・評価・改善するフレームワークです。従来のLLM応用はコーディングベンチマークのような静的環境に限定されていましたが、AlgoEvolveはノイズが多く、非定常的で、極めて非連続的な金融市場という複雑な環境での活用を実現させました。 生成される取引戦略はPythonコードとして表現され、厳密なテストプロトコルを通じて評価されます。複数の実験を通じて、システムはレジーム適応型戦略ロジックの創発的な振る舞いを示しており、取引ルールの自律的な転換も観察されています。特に注目すべきは、メタ進化外部ループの導入です。この層では、内部ループのプログラム合成を指導するプロンプト自体を進化させることで、探索と搾取のバランスを取りながら、無駄な取引を減らすといった改善された探索ヒューリスティックスを発見しています。 これらのメタレベルで進化した指示は、人間が設計した従来の命令セットを一貫して上回る性能を発揮しました。本研究は、LLMベースの意味的進化が複雑な環境における継続的なプログラム合成の実行可能なアプローチであることを実証しており、金融市場への自動化技術の応用可能性を大きく広げるものとなっています。