EvoTS-Agent: LLM auto-evolvente per il rilevamento di punti di cambiamento in serie temporali finanziarie

Le serie temporali finanziarie fluttuano in modi che sono sia non stazionari che eterogenei, il che significa che nessun singolo algoritmo non supervisionato rileva in modo affidabile i punti di cambiamento in diversi asset e condizioni di mercato. I flussi di lavoro manuali che dipendono dal giudizio di esperti per la selezione del modello, l'ingegneria delle feature e l'ottimizzazione non scalano in modo efficace. Il preprint arXiv 2608.17933v1 presenta EvoTS-Agent, un agente LLM auto-evolvente guidato dalla validazione che automatizza questo processo di rilevamento. Inizia con un passaggio strutturato di analisi esplorativa dei dati per comprendere le caratteristiche del dataset e inizializzare i modelli candidati iniziali. L'agente poi perfeziona iterativamente traiettorie di esperimenti eseguibili utilizzando tre operatori: Revisione, che sfrutta la migliore soluzione attuale; Strategia Alternativa, che esplora approcci fondamentalmente diversi quando i progressi si fermano; e Ricombinazione, che fonde esperimenti precedenti di successo. Questo design mira a ridurre la dipendenza dall'intervento umano adattandosi a diversi scenari finanziari.