抵御Meme币跟单交易中的操纵机器人：一种带思维链推理的多代理方法

\$特朗普币的推出，引发了迷因币投资热潮。复制交易作为一种与策略无关的方法，无需深厚的交易知识，很快就在模因币市场获得广泛流行。然而，由于操纵性机器人的盛行、后续钱包未来表现的不确定性以及交易执行的滞后性，跟单交易并不能保证盈利。最近，大语言模型（LLM）通过有效理解多模态数据并生成可解释的决策，在金融应用中显示出了前景。然而，单一的大语言模型难以应对复杂、多方面的任务，例如资产配置。这些挑战在加密货币市场中更为明显，大语言模型在其培训数据中往往缺乏足够的特定领域知识。为了应对这些挑战，我们提出了一种用于模因币复制交易的可解释的多代理系统。受资产管理团队结构的启发，我们的系统将复杂的任务分解为子任务，并协调专门的代理来协作解决它们。采用少镜头思考链（CoT）提示，每个代理都获得专业的模因币交易知识，解释多模态数据，并生成可解释的决策。使用 1,000 个 meme 币项目交易数据的数据集，我们的实证评估表明，所提出的多智能体系统优于传统机器学习模型和单一大语言模型，在识别高质量 meme 币项目和关键意见领袖 (KOL) 钱包方面分别达到 73% 和 70% 的精度。选定的 KOL 在这些项目中总共创造了 50 万美元的总利润。