>> 東方證券-量化研究參考系列之一：QuantaAlpha，用大模型做量化因子挖掘-260407
| 上傳日期： |
2026/4/8 |
大?。?/td>
| 788KB |
| 格式： |
pdf 共14頁 |
來源： |
東方證券 |
| 評級： |
-- |
作者： |
劉靜涵 |
| 下載權(quán)限： |
此報告為加密報告，僅限高級會員查看 |
|
|
研究結(jié)論
文獻信息：本次分享的論文由上海財經(jīng)大學(xué)、QuantaAlpha團隊、斯坦福大學(xué)、北京大學(xué)、中山大學(xué)、東南大學(xué)聯(lián)合撰寫，于2026年2月發(fā)表于arXiv預(yù)印本平臺（編號：arXiv:2602.07085），標(biāo)題為《QuantaAlpha: An Evolutionary Framework for LLM-Driven Alpha Mining》大語言模型驅(qū)動的進化式Alpha因子挖掘框架。
推薦理由：論文提出了一套將大語言模型（LLM）與進化算法深度融合的Alpha因子挖掘新框架—— QuantaAlpha。通過多智能體協(xié)作模擬專業(yè)量化研究員的工作流程，將因子挖掘的完整研究過程納入進化體系，覆蓋假設(shè)生成、因子構(gòu)建、代碼實現(xiàn)、回測檢驗、迭代優(yōu)化全環(huán)節(jié)，實現(xiàn)因子挖掘過程的白盒化、可溯源、高效率。
核心框架：QuantaAlpha以大語言模型為核心，完整模擬量化研究員研究流程，構(gòu)建“提出假設(shè)→構(gòu)建因子→回測檢驗→迭代優(yōu)化→因子池維護”一體化自動因子挖掘體系，可生成收益穩(wěn)健、風(fēng)險可控且邏輯可解釋的Alpha因子。1）初始假設(shè)：LLM生成10個獨立互補的假設(shè)，多方向并行挖掘，避免局部最優(yōu)與因子擁擠。2）因子實現(xiàn)：三類智能體協(xié)同，將假設(shè)轉(zhuǎn)為結(jié)構(gòu)化因子，經(jīng)符號化與AST轉(zhuǎn)化并施加三重約束，完成回測與軌跡記錄。3）迭代優(yōu)化：LLM主導(dǎo)定向進化，精準(zhǔn)修正失效環(huán)節(jié)、交叉復(fù)用優(yōu)質(zhì)邏輯，高效提升因子質(zhì)量。4）因子篩選：設(shè)置Rank IC、低冗余、容量三重門檻，擇優(yōu)納入因子庫。
亮點分析：對比QuantaAlpha與自研DFQ遺傳規(guī)劃系統(tǒng)，共有五大核心升級：1）初始種群：從隨機生成轉(zhuǎn)為LLM結(jié)合金融邏輯驅(qū)動，初始因子質(zhì)量更高、無效探索更少；2）進化方式：從盲目隨機試錯，轉(zhuǎn)為基于完整研究軌跡的定向邏輯修復(fù)與有效重組；3）進化對象：從單純優(yōu)化因子公式，升級為優(yōu)化整套研究過程并實現(xiàn)研究經(jīng)驗復(fù)用；4）冗余管控：從單一數(shù)值約束，升級為結(jié)構(gòu)化去重、復(fù)雜度限制與語義校驗的多維管控；5）可解釋性：從先出公式再補邏輯，變?yōu)橄扔薪鹑谶壿嬙偕梢蜃?，顯著提升可靠性與投研實用性。
實證結(jié)果：論文實驗以滬深300為核心標(biāo)的，采用GPT-5.2進行回測，結(jié)果顯示其在年化收益、ICIR及回撤控制上均大幅超越Alpha158等基準(zhǔn)；將因子直接應(yīng)用于中證500與標(biāo)普500，四年累計超額收益達130%–160%，跨市場表現(xiàn)極強。團隊復(fù)現(xiàn)方面，我們修正了原始數(shù)據(jù)劃分可能存在的泄露問題，使用通義千問基于13個價量方向挖掘出21個因子，在嚴(yán)格樣本外驗證中，因子雖具備一定選股能力，但ICIR偏低、組合波動較大，信號尚顯稚嫩。對比論文挖掘350個因子的規(guī)模，當(dāng)前挖掘量與迭代輪次存在顯著差距，這也是目前超額收益與穩(wěn)定性不足的核心原因，后續(xù)需擴大挖掘規(guī)模以進一步提純因子。
優(yōu)化方向：結(jié)合A股市場特性與團隊DFQ系統(tǒng)實踐，提出以下優(yōu)化方向：1）特征維度：從僅用6類基礎(chǔ)日頻價量數(shù)據(jù)，升級為融合日內(nèi)高頻、基本面數(shù)據(jù)，對接DFQ成熟70維日頻特征體系，充分挖掘微觀市場信息；2）算子體系：從6大類通用量化算子，升級為補充多參數(shù)截面交互、非線性激活、動態(tài)條件篩選類算子，精準(zhǔn)適配A股交易規(guī)則與非線性波動特征；3）評估標(biāo)準(zhǔn)：從單一IC/RankIC、收益指標(biāo)，升級為新增行業(yè)/市值中性化IC篩選指標(biāo)，剝離系統(tǒng)性風(fēng)格暴露，過濾偽Alpha信號提純真超額收益；4）股票池范圍：從僅滬深300窄池挖掘，升級為擴展至全市場并分板塊定制挖掘，大幅提升因子跨池泛化能力與實盤適配性。
風(fēng)險提示
1.量化模型基于歷史數(shù)據(jù)分析，未來存在失效風(fēng)險，建議投資者緊密跟蹤模型表現(xiàn)。
2.極端市場環(huán)境可能對模型效果造成劇烈沖擊，導(dǎo)致收益虧損。
|
|
