论文标题：A hybrid approach to formulaic alpha discovery with large language model assistance

期刊：Frontiers of Computer Science

作者：Shuo YU, Hong-Yan XUE, Xiang AO, Qing HE

发表时间：17 Mar 2025

DOI：10.1007/s11704-025-41061-5

微信链接：点击此处阅读微信文章

引用格式：

Shuo YU, Hong-Yan XUE, Xiang AO, Qing HE. A hybrid approach to formulaic alpha discovery with large language model assistance. Front. Comput. Sci., 2026, 20(2): 2002316

阅读原文：

问题概述

在量化交易中，阿尔法因子对于预测市场趋势和最大化投资回报至关重要，而其中公式化阿尔法因其可解释性而备受重视。然而，如何生成新的因子是一个具有挑战的问题。传统的如基于遗传算法和强化学习的方法有诸如生成的表达式过于复杂、容易过拟合或陷入局部最优等问题。本文探讨了如何利用大型语言模型（LLMs）的金融知识和表达生成能力来增强因子挖掘的效果。

技术步骤

本文提出的混合方法将大模型集成到因子挖掘的优化循环中。通过语法和领域特定的提示词指导大模型生成因子表达式，然后通过反馈循环进行评估和迭代优化。该框架还将大模型与现有的强化学习方法相结合，使用大模型生成初始因子池，并在强化学习优化过程中周期性地作出改进。这种混合方法在确保因子生成的多样性和可解释性的同时保证了可接受的计算效率。

实验结果

在真实股票数据上的实验表明，该方法在相关性分析和投资模拟中均显著提高了性能。混合方法的平均信息系数（IC）达到0.0515，比基线强化学习框架提高了75%；回测结果显示本方法的累计超额回报是基线的两倍以上。这些结果凸显了大模型增强方法在推进公式化因子发现和推动量化交易创新方面的潜力。

期刊简介

Frontiers of Computer Science （FCS）是由教育部主管、高等教育出版社和北京航空航天大学共同主办，南京大学支持，SpringerNature 公司海外发行的英文学术期刊。本刊于 2007 年创刊，月刊，全球发行。主要刊登计算机科学领域具有创新性的综述论文、研究论文等。本刊主编为周志华院士，共同主编为熊璋教授。编委会及青年 AE 团队由国内外知名学者及优秀青年学者组成。本刊被 SCI、Ei、DBLP、INSPEC、SCOPUS 和中国科学引文数据库（CSCD）核心库等收录，为 CCF 推荐B类期刊；两次入选“中国科技期刊国际影响力提升计划”；入选“第4届中国国际化精品科技期刊”；两次入选“中国科技期刊卓越行动计划”（一期梯队、二期领军）。

中国学术前沿期刊网

http://journal.hep.com.cn