CSTrader: 커뮤니티 기반 가상 자산 시장에서의 언어 기반 거래를 위한 테스트 환경

CSTrader: A Testbed for Language-Grounded Trading in a Community-Driven Virtual Asset Market

카운터-스트라이크 2(CS2)의 무기 스킨과 같은 틈새 자산 시장은 규모가 작고 변동성이 크며, 커뮤니티 토론과 플랫폼 규칙에 크게 영향을 받습니다. 이러한 특징으로 인해 기존의 정량적 모델로는 분석하기 어렵지만, 대규모 언어 모델(LLM)이 비정형 텍스트를 거래 행동으로 전환하는 방식을 연구하기 위한 이상적인 테스트 환경을 제공합니다. 본 논문에서는 CS2 스킨 시장에서 언어 기반 거래를 위한 다중 에이전트 프레임워크인 CSTrader를 제시합니다. 이 시스템은 먼저 다양한 소스로부터 얻은 이질적인 정보를 통합하고, 기술적 분석, 유동성, 이벤트 및 (역전된) 감정 분석을 수행하는 특수 에이전트를 사용하며, 마지막으로 위험 관리, 거래 마찰 및 포트폴리오 관리 에이전트를 적용하여 현실적인 거래 조건 하에서 매수, 매도 또는 보유 결정을 내립니다. 우리는 실제 CS2 데이터를 사용하여 매우 변동성이 큰 기간 동안의 평가 환경을 구축하고, 최근 개발된 여러 LLM 모델을 평가했습니다. CSTrader는 모든 모델에서 기존의 단순 단일 프롬프트 LLM 기준선 및 하락하는 시장 지수(-15.62%)보다 우수한 성능을 보였으며, 위험 관리를 통해 최대 7.58%의 누적 수익률을 달성했습니다. 분석 결과, 유동성, 역전된 감정 및 거래 마찰 에이전트가 노이즈가 많은 언어 신호를 안정적인 이익으로 전환하는 데 중요한 역할을 한다는 것을 확인했으며, 이는 틈새 시장에서 언어가 주도하는 시장이 향후 언어-행동 연구를 위한 유용한 기준점이 될 수 있음을 시사합니다. 코드: https://github.com/IatomicreactorI/CSGOTrading?tab=readme-ov-file#quick-start

Niche asset markets, such as Counter-Strike 2 (CS2) weapon skins, are small, volatile, and heavily driven by community discussions and platform rules. These properties make them hard for traditional quantitative models, but provide an ideal testbed for studying how large language models (LLMs) turn unstructured text into trading actions. We present CSTrader, a multi-agent framework for language-grounded trading in the CS2 skin market. The system first integrates heterogeneous signals from various sources, then uses specialized agents for technical analysis, liquidity, events, and (reversed) sentiment, and finally applies risk control, transaction friction, and portfolio management agents to produce buy, sell, or hold decisions under realistic trading frictions. We build a live-like evaluation environment with real CS2 data from a highly volatile period and evaluate several recent LLM backbones. Across models, CSTrader consistently outperforms both a falling market index (-15.62%) and simple single-prompt LLM baselines, achieving up to a 7.58% cumulative return with controlled risk. Ablation studies show that liquidity, reversed sentiment, and transaction friction agents are crucial for turning noisy language signals into stable profits, suggesting that niche, language-driven markets are a useful benchmark for future language-to-action research. Code is available at: https://github.com/IatomicreactorI/CSGOTrading?tab=readme-ov-file#quick-start