NextFund: 에이전트 기반 포트폴리오 관리를 위한 통합 성능 추적 플랫폼

NextFund: A Unified Performance Tracking Platform for Agentic Portfolio Management

대규모 언어 모델(LLM) 기반 에이전트는 포트폴리오 구성 및 시장 분석에 참여하기 시작했으며, 여기서 의사 결정은 변화하는 정보와 위험 제약 조건 하에서 정당화되어야 합니다. 그러나 현재의 평가 방식은 이러한 환경과 제대로 일치하지 않습니다. 많은 연구가 정적인 검토에 의존하거나 최종 포트폴리오 수익률만을 보고하며, 해당 수익률을 산출하는 중간 단계의 증거, 분석가의 판단 및 실행 과정은 대부분 투명하게 공개되지 않습니다. 우리는 NextFund라는 평가 플랫폼을 소개합니다. 이 플랫폼은 실제 시장 환경에서 금융 에이전트의 행동을 관찰할 수 있도록 설계되었습니다. NextFund는 시간 일관성을 갖춘 시장 접근성, 조정된 다중 에이전트 분석 및 관찰부터 거래까지 전체 의사 결정 과정을 지속적으로 기록하는 기능을 제공합니다. 사용자는 인터랙티브 트레이딩 아레나를 통해 다양한 모델을 시장별로 비교하고, 수익 곡선을 검토하며, 순위 결과에서 개별적인 의사 결정 근거를 확인할 수 있습니다. 우리는 홍콩, 미국 및 중국 A 주식 시장에 NextFund를 적용하여, 검토 가능한 의사 결정 기록이 더 공정한 벤치마킹과 실행 가능한 진단을 가능하게 함을 보여줍니다. 데모는 https://paradoox.cn/nextfund/ 에서 이용할 수 있습니다.

Large language models (LLMs) based agents are beginning to participate in portfolio construction and market analysis, where decisions must be justified under evolving information and risk constraints. Current assessment practice, however, remains poorly aligned with this setting: many studies rely on static examinations or report only terminal portfolio returns, while the intermediate evidence, analyst judgments, and execution steps that produced those returns stay largely invisible. We introduce NextFund, an evaluation platform that makes financial-agent behavior observable under live market conditions. The platform couples time-consistent market access, coordinated multi-agent analysis, and persistent logging of the full decision path from observation to trade. Through an interactive Trading Arena, users can compare models across markets, inspect equity curves, and drill from leaderboard outcomes down to individual justifications. We present NextFund on Hong Kong, U.S., and China A-share equities, illustrating how inspectable decision histories enable fairer benchmarking and more actionable diagnosis. Our demo is available at https://paradoox.cn/nextfund/.