大規模言語モデルを介して自然言語から実行可能なオプション戦略へ

概要: 大規模言語モデル（LLMs）は一般的なコード生成に長けているが、自然言語の取引意図を正しいオプション戦略へ翻訳することは依然として困難である。現実世界のオプション設計には、厳格な制約を伴う巨大で多次元のオプション・チェーンデータを推論することが求められ、これが直接的な生成手法をしばしば圧倒する。，我々は、Option Query Language（OQL）を導入する。これは、文法規則の下でオプション市場を高水準のプリミティブへ抽象化するドメイン特化型中間表現であり、LLMsを自由形式のプログラマーではなく信頼できる意味解析器として機能させる。OQL クエリは、その後、エンジンによって決定論的に検証・実行され、実行可能な戦略を具体的に構築する。このタスクのための新しいデータセットも提示し、我々のニューラル-シンボリック・パイプラインが、直接的なベースラインと比較して実行精度と論理的一貫性を顕著に向上させることを示している。