上一篇 AlphaGPT 解读留了一个开放问题：当所有人都用 LLM 挖因子，产出的因子能有效多久？AlphaAgent（论文链接，KDD 2025）直接回应了这个问题。它的核心观察是：LLM 生成的因子太依赖已有知识，产出的因子同质化严重，加剧因子拥挤，反而加速了 alpha decay。解决方案是在 LLM 因子生成的过程中加入三重正则化约束，逼迫模型探索结构上新颖、逻辑上自洽、复杂度可控的因子。
Alpha Decay：因子挖掘的核心矛盾
Alpha 因子的生命周期是量化投资里最残酷的现实之一。一个因子被发现后，随着越来越多资金追逐同一个信号，超额收益被逐渐套利掉，因子的预测能力（IC）持续下降，直到失效。这就是 alpha decay。
传统遗传规划（GP）挖出的因子衰减快，因为 GP 倾向于过拟合历史数据，生成过度复杂的表达式。LLM 方法（比如 AlphaGPT、RD-Agent）本来被寄予厚望，但论文指出了一个被忽视的问题：LLM 的预训练知识本身就是"公共知识"，基于这些知识生成的因子天然缺乏独创性。大家用同一个 LLM、同一套算子库，产出的因子结构高度相似，等于大家在同一个池子里捞鱼。
AlphaAgent 的论文用实验数据验证了这一点：在 CSI 500 上，Alpha158（一组常用基础因子）的 IC 从 2021 年的 0.022-0.036 衰减到 2024 年接近零。GP 和其他 LLM 方法挖出的因子也呈现类似的衰减趋势。
三重正则化：逼 LLM 走出舒适区
AlphaAgent 的核心贡献是一个正则化框架，在因子生成的优化目标里加入三个约束项：
$$ f^* = \arg\max_{f \in \mathcal{F}} \mathcal{L}(f(X), y) - \lambda \cdot R_g(f, h) $$其中 \(\mathcal{L}\) 是因子的预测表现（IC 等），\(R_g\) 是正则化项，由三部分组成：符号长度 SL（控制复杂度）、自由参数数量 PC（防止过拟合）、以及表达式正则项 ER（综合了 AST 去重、假设对齐、特征数量惩罚）。下面分别展开。
AST 去重：结构层面的独创性
每个因子表达式被解析成抽象语法树（AST）：叶子节点是原始特征（$close、$volume），内部节点是算子（TS_MIN、SMA），边是数据流。
两个因子的相似度定义为它们 AST 之间最大同构子树的节点数：
$$ s(f_i, f_j) = \max_{t_i \subseteq T(f_i), t_j \subseteq T(f_j)} \{|t_i| : t_i \cong t_j\} $$新生成的因子需要和已有的因子库（比如 Alpha101）做比对。如果和已有因子的 AST 重叠度太高，直接拒绝。这逼 LLM 不能只是对已有因子做微小变体，必须在结构上探索新的组合方式。
AST 去重是三重正则化中对因子独创性贡献最直接的一项。论文的消融实验显示，去掉全部因子建模约束（AST 去重 + 假设对齐 + 复杂度控制）后，因子的命中率（hit ratio，即产出的因子达到收益阈值的比例）从 0.29 降到 0.16，下降了 45%。
假设-因子对齐：语义层面的自洽
LLM 生成因子分两步：先产生一个市场假设（hypothesis），再把假设翻译成因子表达式。问题是 LLM 经常"说一套做一套"，假设说的是"捕捉流动性变化"，生成的因子里却没有任何和成交量相关的算子。
AlphaAgent 用一个双重一致性打分函数来检查：
$$ C(h, d, f) = \alpha \cdot c_1(h, d) + (1 - \alpha) \cdot c_2(d, f) $$\(c_1\) 检查因子描述 \(d\) 是否忠实于市场假设 \(h\)，\(c_2\) 检查因子表达式 \(f\) 是否忠实于因子描述 \(d\)。两个打分都由 LLM 自身来评判（自我审查）。
这解决了一个 LLM 因子挖掘中很实际的问题：没有这层对齐，LLM 会"编故事"，生成的因子和它声称的逻辑完全脱节。回测表现好只是因为过拟合，不是因为因子真的在捕捉假设描述的市场现象。
复杂度控制：防止过度工程
第三个约束直接限制因子表达式的复杂度：
- 符号长度 SL(f)：惩罚过深或过宽的 AST
- 自由参数数量 PC(f)：惩罚滚动窗口等超参数过多的因子
直觉很简单：一个因子如果嵌套了 8 层算子、用了 5 个不同的窗口参数，即使回测 IC 很高，过拟合的概率也极大。复杂度控制把这些过度工程的因子在生成阶段就过滤掉。
多 Agent 架构
AlphaAgent 用三个 LLM Agent 组成一个闭环：
Idea Agent 负责生成市场假设。它用 chain-of-thought 推理，输出包含四个部分：观察（当前市场状态和上一轮反馈）、知识（金融理论，动量、均值回归、行为金融等）、论证（把观察和知识连起来）、规格（具体的参数建议）。
Factor Agent 把假设翻译成因子表达式。它维护一个不断更新的知识库，记录哪些因子成功了、哪些失败了、失败的原因是什么（假设不对齐？结构太复杂？和已有因子太像？）。生成多个候选因子后，过三重正则化的筛选，只保留通过的。
Eval Agent 对因子做回测评估，从预测能力（IC、RankIC）、收益表现（年化收益、信息比率）、风险控制（最大回撤、稳定性）三个维度打分。评估结果以结构化反馈的形式传回 Idea Agent，驱动下一轮假设的调整。
每轮试验跑 5 个迭代轮次，论文实验共跑了 20 个独立试验。
实验结果
论文在 CSI 500（A 股）和 S&P 500（美股）两个市场做了测试。训练期 2015-2019，验证期 2020，测试期 2021-2025 年初。用 Qlib 做回测框架，LightGBM 做下游预测模型，交易策略是按预测收益排序选前 50 只股票。
对比了一堆基线：LSTM、Transformer、LightGBM、StockMixer、TRA（时序/树模型），AlphaForge（RL+DL）、RD-Agent（LLM，用 GPT-4-turbo），以及 OpenAI o1 和 DeepSeek-R1（深度推理模型）。
核心结果（2021-2024 年测试期）：
| 方法 | CSI 500 IC | CSI 500 年化收益 | CSI 500 IR | S&P 500 IC | S&P 500 年化收益 | S&P 500 IR |
|---|---|---|---|---|---|---|
| LSTM | 0.0175 | 4.96% | 0.62 | 0.0028 | -1.51% | -0.17 |
| LightGBM | 0.0120 | -1.18% | -0.16 | 0.0011 | -2.64% | -0.42 |
| AlphaForge | 0.0146 | 3.45% | 0.33 | 0.0026 | 2.45% | 0.34 |
| RD-Agent | 0.0113 | 0.78% | 0.07 | 0.0019 | 1.69% | 0.17 |
| DeepSeek-R1 | 0.0132 | 1.58% | 0.21 | 0.0048 | 2.75% | 0.24 |
| OpenAI o1 | 0.0159 | 0.46% | 0.06 | 0.0028 | 2.29% | 0.20 |
| AlphaAgent | 0.0212 | 11.00% | 1.49 | 0.0056 | 8.74% | 1.05 |
AlphaAgent 在所有指标上都是最优。CSI 500 累计超额收益约 45%，S&P 500 超过 37%。IR（信息比率）1.49 和 1.05 远超其他方法，说明收益不是靠承担大风险换来的。
更值得关注的是 alpha decay 的对比。论文画了 2021-2024 每年的 IC 变化：Alpha158 的 IC 逐年衰减到接近零，GP 和 RD-Agent 也在衰减，但 AlphaAgent 挖出的 15 个因子的 IC 在四年里保持在 0.02 左右，没有明显下降。这直接验证了三重正则化在对抗因子衰减上的效果。
LLM 骨干的选择上，论文也做了对比：GPT-3.5-turbo（默认）、Qwen-Plus、DeepSeek-R1 都能跑，DeepSeek-R1 作为骨干时表现最好（S&P 500 年化 9.19%，最大回撤 -6.50%）。所有骨干相比 RD-Agent 的 p 值都小于 0.05，改进是统计显著的。
局限和思考
论文的结果很强，但有几个值得注意的点。
回测 ≠ 实盘。测试期是 2021-2025，但这是回测数据，不是实盘交易。CSI 500 的交易成本只算了 0.05%（买）+ 0.15%（卖），没有考虑冲击成本和滑点。对于选 50 只股票的策略来说，这个假设偏乐观。
GPT-3.5-turbo 作为默认骨干。论文大部分实验用的是 GPT-3.5-turbo，这在 2025 年已经不是最强的模型。用 DeepSeek-R1 做骨干效果更好，但论文只在 S&P 500 上做了骨干对比，CSI 500 上的骨干消融实验缺失。
因子的实际部署问题。论文每轮试验跑 5 个迭代、20 个独立试验，一共要调用多少次 LLM API？token 消耗和延迟在实际生产中是不是可接受的？论文没有给出具体的计算成本数据。
和 AlphaGPT 的关系。AlphaAgent 的 Idea Agent → Factor Agent → Eval Agent 闭环和 AlphaGPT 2.0 的人机协作闭环在结构上很像，核心区别在于三重正则化的加入。论文的消融实验只对比了"有正则化 vs 无正则化"（命中率从 0.16 到 0.29，提升 81%），但 AST 去重、假设对齐、复杂度控制各自贡献了多少，没有细粒度的拆分。
Alpha decay 的本质是信息套利。AlphaAgent 通过强制因子结构的独创性来延缓衰减，但如果 AlphaAgent 本身被广泛使用，它产出的"独创"因子也会变成新的公共知识，重新进入衰减周期。论文的 AST 去重设计理论上可以缓解这个问题（因子库会不断更新），但长期效果需要实盘验证。