跳转至

文章背景与核心概要

本文展示了自主大语言模型（LLM）交易智能体在真实生产环境中运行的持续性、群体规模的实证测量记录。该研究跨度约为六个月，评估了基于单一设计血统构建的两个系统：DX Terminal Pro（在Base链meme币市场中交易真实ETH的3,505个用户资助金库）以及DXAP Live Alpha Fleet（在Hyperliquid永续合约市场中交易的500至599个用户创建的智能体）。整个数据集涵盖了750万次单一模型调用、约30万次链上操作以及231,638个多工具轮次，最终产生了14,596个成交订单。

研究的核心发现表明，实际交易行为更多由基础设施参数而非智能体提示词/策略文本所决定；仓位规模调整表现出对市场波动的“盲目性”；智能体频繁触及盈利阈值却无法锁定收益（未能捕获上行空间）；且两个机群均未表现出持续的方向性交易优势。这项研究为理解LLM智能体在现实高风险金融环境中的实际行为提供了宝贵的大规模生产数据。

大语言模型交易智能体在生产环境中的实际表现：来自两个机群的长达六个月、群体规模的实录

arXiv: 2609.05663 [cs.AI]
提交时间: 2026年9月4日
作者: T.J. Barton, Chris Constantakis, Patti Hauseman, Annie Mous, Alaska Hoffman, Brian Bergeron, Hunter Goodreau
代码与数据: GitHub 仓库

执行摘要

本文展示了自主大语言模型（LLM）交易智能体在真实生产环境中运行的持续性、群体规模的实证测量记录。该研究跨度约为六个月，评估了基于单一设计血统构建的两个系统： 1. DX Terminal Pro: 3,505 个用户资助的金库，在 21 天内（2026 年 2 月至 3 月）在 Base 链 meme 币市场中交易真实 ETH。 2. DXAP Live Alpha Fleet: 全历史时期有 500 到 599 个用户创建的智能体（91 到 117 个并发活跃），在 2026 年 6 月至 8 月期间交易 Hyperliquid 永续合约。

该数据集总共分析了 750 万次单一模型调用、约 30 万次链上操作 以及 231,638 个多工具轮次，共产生 14,596 个成交订单。

Executive Summary

This paper presents a continuous, population-scale empirical measurement record of autonomous Large Language Model (LLM) trading agents operating in real-world production environments. Spanning approximately six months, the study evaluates two systems built upon a single design lineage: 1. DX Terminal Pro: 3,505 user-funded vaults trading real ETH in Base memecoin markets over 21 days (February–March 2026). 2. DXAP Live Alpha Fleet: 500 to 599 user-created agents all-history (91 to 117 concurrently active) trading Hyperliquid perpetuals (June–August 2026).

In total, the dataset analyzes 7.5 million single-model invocations, ~300,000 on-chain actions, and 231,638 multi-tool turns yielding 14,596 fills.

核心发现

  1. 操作层凌驾于策略文本之上：
    实际行为更多地由基础设施参数决定，而不是智能体的提示词/策略文本。例如，风险滑块使每个级别的杠杆率增加 \(+0.425\)，智能体固定效应占方差的 60%，而 UI 渲染边界（排行榜）通过前三名截止线处的 \(1.75\times\) 回归不连续性，因果性地扭曲了选择偏好。
  2. 对波动性视而不见的仓位规模：
    仓位规模的设定表现出对市场波动缺乏风险适应性。在中位数杠杆率方面，所有波动率六分位区间均严格保持在 \(5.0\times\)，导致单一仓位滑块单元（占账本的 11%）承受了所有强平事件的 62%。
  3. 未能捕获上行空间：
    智能体经常达到盈利阈值，但未能锁定收益。虽然 43.2% 的仓位在 24 小时内实现了至少 \(+300\) 个基点的有利波动，但其中 49.3% 的仓位最终以净负收益收盘。实施简单的机械括号订单（bracket order）平均每个仓位可恢复 \(+39.0\) 个基点。
  4. 缺乏方向性优势：
    所评估的两个机群均未表现出持续的方向性交易优势。DXAP 机群处于亏损状态，且表现逊于匹配的 Hyperliquid 散户基准（往返胜率为 41% 对比 50%）。此外，跨越 416 个生产场景的前沿模型配对重放联赛表明，决策质量在统计上没有显著区别，尽管不同模型家族的选择稳定性差异巨大。

Key Findings

  1. The Operating Layer Trumps Strategy Text: Actual behavior is dictated more by infrastructure parameters than the agent's prompt/strategy text. For instance, a risk slider increases leverage by \(+0.425\) per level, agent fixed effects account for 60% of variance, and UI render boundaries (leaderboards) causally skew selection via a \(1.75\times\) regression discontinuity at the top-3 cutoff.
  2. Volatility-Blind Sizing: Position sizing shows an absence of risk adaptation to market volatility. The median leverage remains strictly at \(5.0\times\) across every volatility sextile, resulting in a single posture-slider cell (representing 11% of the book) capturing 62% of all liquidations.
  3. Failure to Capture Upside: Agents frequently reach profitable thresholds but fail to secure gains. While 43.2% of positions achieved at least \(+300\) bps of favorable excursion within 24 hours, 49.3% of those same positions ultimately closed at a net negative return. Implementing a simple mechanical bracket order recovers an average of \(+39.0\) bps per position.
  4. Absence of Directional Edge: Neither evaluated fleet demonstrates a persistent directional trading edge. The DXAP fleet is unprofitable and underperforms a matched Hyperliquid retail benchmark (41% vs. 50% roundtrip win rate). Furthermore, a paired-replay league of frontier models across 416 production scenarios indicates that decision quality is statistically indistinguishable, though choice stability varies wildly across model families.

元数据与参考信息

  • 主要主题: 人工智能 (cs.AI)
  • 次要主题: 计算工程、金融与科学 (cs.CE)；多智能体系统 (cs.MA)
  • 引用格式: arXiv:2609.05663 [cs.AI]
  • DOI: 10.48550/arXiv.2609.05663

Metadata & Reference Information

  • Primary Subject: Artificial Intelligence (cs.AI)
  • Secondary Subjects: Computational Engineering, Finance, and Science (cs.CE); Multiagent Systems (cs.MA)
  • Cite As: arXiv:2609.05663 [cs.AI]
  • DOI: 10.48550/arXiv.2609.05663

license icon