CN-Buzz2Portfolio: LLM-basiertes Benchmark für chinesische Asset Allocation

In einer neuen Veröffentlichung auf arXiv (2603.22305v1) wird das CN-Buzz2Portfolio vorgestellt – ein reproduzierbares Benchmark, das die Leistungsfähigkeit von Large Language Models (LLMs) in der Finanzwelt auf die nächste Ebene hebt. Das System verbindet tägliche Trendnachrichten aus dem chinesischen Markt mit makroökonomischen und sektorspezifischen Anlageentscheidungen, sodass LLMs als dynamische Entscheidungsagenten agieren können.

Der Ansatz löst ein zentrales Problem bei der Bewertung von LLMs als autonome Finanzagenten: Live-Trading ist schwer reproduzierbar und kann zu Ergebnisverzerrungen führen, während herkömmliche Benchmarks meist auf einzelne Aktien beschränkt sind. CN-Buzz2Portfolio nutzt stattdessen einen realistischen öffentlichen Aufmerksamkeitsschwung, der Agenten dazu zwingt, aus hochexponierten Nachrichtenportalen Investitionslogik abzuleiten, anstatt auf vorgefilterte Unternehmensnachrichten zurückzugreifen.

Das Benchmark-Design umfasst einen dreistufigen CPA-Agenten-Workflow – Compression, Perception und Allocation – und bewertet die Modelle anhand von breiten Anlageklassen wie börsengehandelten Fonds (ETFs). Durch die Reduzierung der idiosynkratischen Volatilität wird die Vergleichbarkeit zwischen Modellen verbessert. In umfangreichen Tests wurden neun verschiedene LLMs evaluiert, wobei signifikante Unterschiede in der Übersetzung makroökonomischer Narrative in Portfolioanteile festgestellt wurden.

Die Veröffentlichung liefert neue Erkenntnisse über die Verbindung zwischen allgemeinem logischem Denken und finanzieller Entscheidungsfindung. Alle Daten, Codes und Experimentergebnisse werden öffentlich zugänglich gemacht, um die Forschung in diesem aufstrebenden Bereich weiter voranzutreiben.