FinEvo: 고립된 백테스팅에서 생태적 시장 게임으로, 다중 에이전트 금융 전략 진화 연구

FinEvo: From Isolated Backtests to Ecological Market Games for Multi-Agent Financial Strategy Evolution

기존의 금융 전략 평가는 정적인 환경에서의 고립된 백테스팅에 의존합니다. 이러한 평가는 각 정책을 독립적으로 평가하며, 상관관계와 상호작용을 간과하고, 진화하는 시장에서 전략이 궁극적으로 지속되거나 사라지는 이유를 설명하지 못합니다. 우리는 거래 전략을 상호 작용하고 학습하는 적응형 에이전트로 모델링하여 생태적 관점으로 전환합니다. 새로운 전략을 제안하는 대신, 다중 에이전트 금융 전략의 진화적 역학을 연구하기 위한 생태적 게임 형식인 FinEvo를 제시합니다. 개별 수준에서, 다양한 머신러닝 기반 거래 에이전트(규칙 기반, 딥러닝, 강화 학습, 그리고 대규모 언어 모델(LLM) 에이전트)는 과거 가격 및 외부 뉴스 등과 같은 신호를 사용하여 적응합니다. 모집단 수준에서, 전략 분포는 세 가지 설계된 메커니즘(선택, 혁신, 환경 교란)을 통해 진화하며, 이는 실제 시장의 동적인 힘을 반영합니다. 이러한 두 가지 적응 계층은 진화 게임 이론을 현대적인 학습 역학으로 연결하여, 전략적 행동을 연구하기 위한 체계적인 환경을 제공합니다. 외부 충격과 실제 뉴스 스트림을 사용한 실험 결과, FinEvo는 재현성을 위한 안정성을 제공하며, 맥락에 따른 결과를 드러내는 표현력을 가지고 있음을 보여줍니다. 전략은 경쟁 환경에 따라 우위를 점하거나, 붕괴하거나, 연합을 형성할 수 있으며, 이러한 패턴은 정적인 백테스팅으로는 관찰할 수 없습니다. FinEvo는 전략 평가를 생태적 게임 형식으로 재구성함으로써, 다중 에이전트 금융 시장에서 견고성, 적응성 및 창발적 역학을 분석하기 위한 통일되고 메커니즘 수준의 프로토콜을 제공하며, 거시 경제 정책 및 금융 규제가 가격 변동 및 균형에 미치는 잠재적 영향을 탐구하는 수단이 될 수 있습니다.

Conventional financial strategy evaluation relies on isolated backtests in static environments. Such evaluations assess each policy independently, overlook correlations and interactions, and fail to explain why strategies ultimately persist or vanish in evolving markets. We shift to an ecological perspective, where trading strategies are modeled as adaptive agents that interact and learn within a shared market. Instead of proposing a new strategy, we present FinEvo, an ecological game formalism for studying the evolutionary dynamics of multi-agent financial strategies. At the individual level, heterogeneous ML-based traders-rule-based, deep learning, reinforcement learning, and large language model (LLM) agents-adapt using signals such as historical prices and external news. At the population level, strategy distributions evolve through three designed mechanisms-selection, innovation, and environmental perturbation-capturing the dynamic forces of real markets. Together, these two layers of adaptation link evolutionary game theory with modern learning dynamics, providing a principled environment for studying strategic behavior. Experiments with external shocks and real-world news streams show that FinEvo is both stable for reproducibility and expressive in revealing context-dependent outcomes. Strategies may dominate, collapse, or form coalitions depending on their competitors-patterns invisible to static backtests. By reframing strategy evaluation as an ecological game formalism, FinEvo provides a unified, mechanism-level protocol for analyzing robustness, adaptation, and emergent dynamics in multi-agent financial markets, and may offer a means to explore the potential impact of macroeconomic policies and financial regulations on price evolution and equilibrium.