F²Agent: 에이전트 기반 지능의 금융적 융합을 통한 다중 모드 트레이딩

F$^2$Agent: Financial Fusion of Agentic Intelligence for Multimodal Trading

다양하고 이질적인 정보 출처가 증가함에 따라, 고품질의 금융 거래를 위해서는 다양한 데이터를 효과적으로 활용하는 것이 중요해지고 있습니다. 최근 대규모 언어 모델(LLM) 기반 에이전트 기술은 다중 모드 입력을 처리할 수 있도록 발전했지만, 기존 방법들은 제한된 다중 모드 모델링, 비효율적인 융합 메커니즘 및 불충분한 안정성으로 인해 미묘한 모드 간의 상호 의존성을 제대로 파악하지 못하고 시장 노이즈에 취약합니다. 이러한 문제점을 해결하기 위해, 본 논문에서는 에이전트 기반 지능의 금융적 융합을 통해 작동하는 새로운 다중 모드 에이전트 패러다임인 F²Agent를 제안합니다. F²Agent는 먼저 특화된 에이전트 계층 구조를 활용하여 각 모드에서 특정 신호를 종합적으로 추출하고, 이후 모드 인지적 적응 융합 메커니즘과 노이즈에 강건한 일관성 정규화를 도입하여 미세한 모드 간의 상호 의존성을 동적으로 파악하고 노이즈에 강한 거래 신호를 생성합니다. 여섯 가지 주식 및 암호화폐 자산에 대한 광범위한 실험 결과, F²Agent는 다양한 거래 지표에서 16개의 경쟁 모델을 능가하는 성능을 보였으며, 평균적으로 연간 수익률이 20% 이상 향상되었습니다. 특히, F²Agent는 GOOG의 경우 120.48%, TSLA의 경우 148.41%의 높은 수익률을 달성하여 다양한 시장 환경에서 효능과 안정성을 입증했습니다.

With increasingly diverse and heterogeneous information sources, effectively leveraging multimodal data is becoming pivotal for high-quality financial trading. Although recent advancements in Large Language Model (LLM)-based agents have enabled the ingestion of multimodal inputs, existing methods fail to capture nuanced cross-modal dependencies and remain vulnerable to market noise, due to limited multimodal modeling, ineffective fusion mechanisms, and inadequate robustness. To address these challenges, we propose F$^2$Agent, a novel multimodal agentic paradigm driven by the Financial Fusion of Agentic Intelligence. F$^2$Agent first deploys a hierarchy of specialized agents to comprehensively extract modality-specific signals. It further introduces a modality-aware adaptive fusion mechanism coupled with noise-robust consistency regularization to dynamically capture fine-grained inter-modality dependencies and generate noise-resilient trading signals. Extensive experiments on six stocks and cryptocurrency assets demonstrate that F$^2$Agent consistently outperforms 16 competitive baselines across multiple trading metrics, with over 20% relative improvement in annualized return on average. Notably, F$^2$Agent delivers returns of 120.48% on GOOG and 148.41% on TSLA, demonstrating its efficacy and robustness in varying market dynamics.