Do LLMs Understand Limit Order Book Dynamics? | AIChainDay

한국어 요약by Claude · 2026. 8. 28.

합성 지정가주문서(LOB) 데이터로 학습한 LLM은 유효한 LOB 이벤트 시퀀스를 생성하는 데는 거의 완벽한 점수를 내지만, 내부적으로 LOB의 실제 상태(state)를 학습하지 못하는 것으로 나타났다. 이 결함은 해당 LLM을 이용해 향후 LOB 이벤트를 예측할 때 편향된 추정치와 허구적인 예측력을 만들어낸다. 연구진은 결정론적 환경에 적용되던 기존 LLM 세계모델 검증법을 LOB에 필요한 확률적 동역학으로 확장한 새로운 테스트로 이를 분석했다. 이는 LLM이 형식적으로 그럴듯한 시퀀스를 생성하는 능력과 실제 시스템 상태를 내부적으로 표현하는 능력이 별개일 수 있음을 보여준다.

•LLM이 유효한 LOB 이벤트 시퀀스는 거의 완벽하게 생성하지만 내부 상태는 학습하지 못함
•이 결함이 LOB 미래 이벤트 예측에서 편향된 추정치와 허구 예측력을 유발
•결정론적 설정용 기존 세계모델 검증법을 확률적 동역학으로 확장해 검증
•시퀀스 생성력과 상태 표현력이 별개일 수 있음을 시사

0단 자동

AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.

규칙 판: 규칙 판 도입 이전 기사입니다.
남기는 것: 규칙 판 · 모델 · 시각
판 기록: 아직 없습니다.

AI2026년 8월 26일AI 점수: 85%

Do LLMs Understand Limit Order Book Dynamics?

출처:arXiv cs.AI

AI 인사이트

개발자투자자

1.LOB 합성데이터 학습 LLM, 유효 이벤트 시퀀스 생성은 거의 완벽하나 실제 호가창 상태는 학습 못함
2.이 결함이 미래 호가창 이벤트 예측 시 편향된 추정치와 허위 예측력으로 이어짐
3.결정론적 환경에 국한된 기존 LLM 세계모델 검증법을 확률적 LOB 환경으로 확장한 신규 테스트 제시

왜 중요한가?

LLM을 금융시장 시뮬레이션·트레이딩 신호 생성에 쓰려는 시도가 느는 가운데, 그럴듯한 이벤트 생성 능력과 실제 시장상태 이해는 다르다는 것을 보여줘 금융 AI 적용에 경고를 준다.

본문 미리보기

arXiv:2608.23706v1 Announce Type: new Abstract: A large language model (LLM) trained on synthetic limit order book (LOB) data achieves near perfect scores in generating valid sequences of LOB events. However, the LLM's implicit world model fails to learn the state of the LOB. This deficiency leads to biased estimates and spurious predictability in using the LLM to forecast future LOB events. Our analysis uses novel tests of an LLM's world model, extending prior work from deterministic settings

전체 내용이 궁금하다면?

원문을 직접 읽어보세요

원문 보기