[논문 리뷰] From Natural Language to Executable Option Strategies via Large Language Models

Haochen Luo, Zhengzhao Lai외 5명|arXiv (Cornell University)|2026. 03. 17.

Stock Market Forecasting Methods인용 수 0

한 줄 요약

이 논문은 Option Query Language (OQL)를 도입합니다. 이는 자연어 거래 의도를 실행 가능한 옵션 전략으로 변환하는 신경-상징적 파이프라인을 통해 직접 생성 기반 대비 정확도와 신뢰성을 향상시키는 도메인 특화 중간 표현입니다.

ABSTRACT

Large Language Models (LLMs) excel at general code generation, yet translating natural-language trading intents into correct option strategies remains challenging. Real-world option design requires reasoning over massive, multi-dimensional option chain data with strict constraints, which often overwhelms direct generation methods. We introduce the Option Query Language (OQL), a domain-specific intermediate representation that abstracts option markets into high-level primitives under grammatical rules, enabling LLMs to function as reliable semantic parsers rather than free-form programmers. OQL queries are then validated and executed deterministically by an engine to instantiate executable strategies. We also present a new dataset for this task and demonstrate that our neuro-symbolic pipeline significantly improves execution accuracy and logical consistency over direct baselines.

연구 동기 및 목표

• 제약된 중간 표현을 사용하여 자연어 의도와 실행 가능한 옵션 전략을 연결합니다.
• LLM이 고차원 옵션 데이터와 상호작용할 때 컨텍스트 폭주와 허위 생성을 줄입니다.
• 2025년 시장 조건에서 자연어에서 옵션 전략으로의 번역에 대한 벤치마크와 데이터세트를 제공한다.
• 구조화된 옵션 체인 질의를 포함하는 금융 도메인에 Text-to-SQL 패러다임을 확장합니다.

제안 방법

• 옵션 전략을 위한 선언적, 역할 기반, 제약 중심 언어로서 Option Query Language(OQL)을 도입합니다.
• 두 단계 파이프라인을 사용합니다: 의미 파싱(LLM에서 OQL로)과 결정적 실행(OQL 엔진이 옵션 체인 데이터에 대해 실행).
• 문제를 y|x,D = sum_z P_theta(z|x) * P_phi(y|z,D)로 공식화하며, 언어적 파싱과 실행을 분리합니다.
• OQL 원칙 정의: 역할 기반 추상화, 제한된 필터링, 근사 연산자를 가진 의미적 소프트 매칭.
• 신경-상징적 실행 설명: AST 파싱, 역할-제약 검증, 벡터화 필터링, 그리고 실행 가능한 전략을 생성하기 위한 카테시안 결합.
• 2025년 시장 데이터에 제한된 200개의 NL 지시문 데이터셋과 쿼리 수준 및 전략 수준 성능을 위한 평가 프로토콜을 제공한다.

실험 결과

연구 질문

• RQ1 LLMs가 실행 가능한 OQL 쿼리를 안정적으로 생성하여 비어 있지 않고 올바른 옵션 전략을 산출할 수 있는가?
• RQ2 다른 LLM들이 베이스라인과 비교하여 유효하고 충실한 OQL 쿼리를 생성하는 성능은 어떤가?
• RQ3 OQL 유래 전략이 원시 옵션 데이터를 다루는 베이스라인보다 성능이 우수한가, 그리고 백테스트에서의 성과는 어떤가?

주요 결과

• 모든 대형 모델은 생성된 OQL 쿼리에 대해 Validity Rate(VR)이 0.87 이상을 달성했습니다.
• 전문 코딩 모드(예: DeepSeek-Coder-6.7B)는 이 작업에서 더 큰 일반 모델보다 우수한 성능을 보일 수 있습니다.
• OQL은 신뢰성 및 위험 관리 측면에서 비구조적 베이스라인(FFLG, PCG)과 표준 Text-to-SQL을 능가합니다.
• OQL은 SQL 기반 베이스라인에 비해 위험한 허상을 줄이고 유리한 승률과 수익성을 달성합니다.
• OQL은 높은 캐시 적중률로 효율적인 토큰 사용을 제공하여 전략 검색 비용을 절감합니다.
• 자산과 시장 국면에 걸쳐 OQL은 모델이 조건에 맞춘 전략을 생성하도록 하여 균일한 출력 대신 상황에 맞춘 전략을 가능하게 합니다.