本論文では、金融市場がニュースに非常に敏感であることを踏まえ、ニュースデータを定量的トレーディングに効果的に取り入れるための新たなアプローチを提案しています。従来の手法は主に手動で設計されたルールや特徴量に依存していましたが、本研究では、大規模言語モデルから得られたニュースのセンチメントスコアに加え、生の価格とボリュームデータを強化学習の可観測な入力として利用します。これらの入力は、再帰型ニューラルネットワークやトランスフォーマーといったシーケンスモデルによって処理され、エンドツーエンドのトレーディング決定を行います。暗号通貨市場を例に実験を行い、Double Deep Q-Network（DDQN）やGroup Relative Policy Optimization（GRPO）といった二つの代表的な強化学習アルゴリズムを評価しました。その結果、手作業の特徴やルールに依存しないニュース認識型のアプローチが、市場ベンチマークを上回る性能を達成できることが示されました。さらに、時系列情報の重要な役割も強調しています。