Counter-Strike 2 (CS2) 무기 스킨과 같은 틈새 자산 시장(Niche asset markets)은 규모가 작고 변동성이 크며, 커뮤니티의 논의와 플랫폼 규칙에 의해 강력하게 움직입니다. 이러한 특성은 전통적인 계량 모델(quantitative models)에는 어렵게 작용하지만, 대규모 언어 모델(LLMs)이 비정형 텍스트를 트레이딩 액션으로 전환하는 방식을 연구하기 위한 이상적인 테스트베드를 제공합니다. 우리는 CS2 스킨 시장에서의 언어 기반 트레이딩(language-grounded trading)을 위한 멀티 에이전트 프레임워크인 CSTrader를 제시합니다. 이 시스템은 먼저 다양한 소스로부터 이질적인 신호(heterogeneous signals)를 통합한 다음, 기술적 분석(technical analysis), 유동성(liquidity), 이벤트(events), 그리고 (역방향) 감성(sentiment)을 위한 특화된 에이전트들을 사용하며, 마지막으로 리스크 관리(risk control), 거래 비용(transaction friction), 포트폴리오 관리(portfolio management) 에이전트를 적용하여 현실적인 거래 비용 하에서 매수, 매도 또는 보유 결정을 내립니다. 우리는 변동성이 매우 높았던 시기의 실제 CS2 데이터를 사용하여 실제와 유사한 평가 환경을 구축하고, 최근의 여러 LLM 백본(backbones)을 평가했습니다. 모델 전반에 걸쳐 CSTrader는 하락하는 시장 지수(-15.62%)와 단순한 싱글 프롬프트(single-prompt) LLM 베이스라인을 일관되게 능가하며, 통제된 리스크 하에서 최대 7.58%의 누적 수익률을 달성했습니다. 어블레이션 연구(Ablation studies) 결과, 유동성, 역방향 감성, 그리고 거래 비용 에이전트가 노이즈가 많은 언어 신호를 안정적인 수익으로 전환하는 데 결정적인 역할을 한다는 것을 보여주며, 이는 틈새 언어 주도 시장이 향후 언어-액션(language-to-action) 연구를 위한 유용한 벤치마크가 될 수 있음을 시사합니다. 코드는 다음에서 확인할 수 있습니다: https://github.com/IatomicreactorI/CSGOTrading?tab=readme-ov-file#quick-start