公式化因子挖掘做到一定规模会撞上一堵墙：库里已经有几十个因子，新挖的候选 IC 不算差，但跟现有因子相关性总是超过阈值，admit 不进去。AlphaGPT、AlphaForge、AlphaAgent、QuantFactor REINFORCE 都在解决"怎么生成更多候选"，对"库越大越难加新货"的处理仍有限。

FactorMiner（A Self-Evolving Agent with Skills and Experience Memory for Financial Alpha Discovery，2026/02，arXiv 2602.14670）的核心思路：把因子挖掘流程封装成一个 agent skill，并维护一个 experience memory 记录"哪些方向已经撞墙、哪些模板还能复用"，让 agent 每轮挖掘都从过去的成功和失败里取先验。CSI500 上 top-40 因子的 IC 达到 8.25%，ICIR 0.77，对比 AlphaAgent 的 5.90%/0.46 是约 40% 的相对提升。

问题背景

论文把因子挖掘的核心痛点叫 “Correlation Red Sea”。形式化定义：每挖出一个新因子 \(\alpha\)，要求它和库 \(\mathcal{L}\) 里所有已有因子的最大相关性低于阈值 \(\theta\)：

$$ \mathcal{P}_{\text{orth}} = \\{ \alpha \in \mathcal{P} : \max_{\beta \in \mathcal{L}} |\rho(\alpha, \beta)| < \theta \\} $$

随着 \(\mathcal{L}\) 变大，\(\mathcal{P}_{\text{orth}}\) 这个可行区域缩得极快。GP 和 RL 这类标准搜索方法对此没有应对机制：它们不记得哪些区域已经探过、哪些方向反复撞墙，越往后越在原地打转。

更头疼的是这类方法把每个因子当独立优化问题处理，只看 IC/ICIR 这种个体指标，不考虑新因子和已有库的协同。即使个体指标很好，加进库里冗余。

方法

FactorMiner 的解法有两层：把领域知识封装成 agent 可复用的 skill，把过去的探索经验沉淀成 memory，再用一个 retrieve/generate/evaluate/distill 的循环把两者串起来。

FactorMiner 系统架构图，展示 Ralph Loop 框架

Skill 架构

Skill 包含一个 60+ 算子的 operator library（如 TsRank、Rsquare 等），以及一条标准化的多阶段验证流程：

  1. Stage 1: Fast IC screening，在小资产子集上快筛 \(|IC| \geq \tau\)
  2. Stage 2: Correlation check，对全库做 \(\max_{\beta \in \mathcal{L}} |\rho(\alpha, \beta)| < \theta\)
  3. Stage 2.5: Replacement check，候选和现有因子高相关但自身更好时触发替换
  4. Stage 3: Batch deduplication，本批候选之间也去重
  5. Stage 4: Full validation，全资产 OOS 测试

Skill 设计把 “agent reasoning” 和 “工具执行” 完全解耦：LLM 只负责提出候选公式，IC 计算、相关性检验、admit 判定全部由确定性 Python 代码完成。论文称之为避免 calculation hallucination：LLM 没机会编造一个不存在的 IC 数字。

Experience Memory

Memory 记录两类内容：

  • Successful Patterns \(\mathcal{P}_{\text{succ}}\)：反复入库的因子模板，比如"用 Skew/Kurt 做高阶矩 regime"、“用 Rsquare 做趋势回归自适应”
  • Forbidden Regions \(\mathcal{P}_{\text{fail}}\)：和现有库相关性总是超标的方向，比如简单的 VWAP 偏离变体、标准化收益率

Memory 的更新通过三个抽象算子完成：

$$ \mathcal{M}_{t+1}^{\text{form}} = \Phi(\mathcal{M}_t, \tau_t), \quad \mathcal{M}_{t+1} = \Psi(\mathcal{M}_t, \mathcal{M}_{t+1}^{\text{form}}), \quad \mathfrak{m} = \Xi(\mathcal{M}_t, \mathcal{L}_t) $$

其中 \(\tau_t\) 是本轮的挖掘轨迹（每个候选的公式、IC、相关性、是否 admit），\(\Phi\) 把轨迹蒸馏成模板，\(\Psi\) 整合到现有 memory，\(\Xi\) 在生成阶段把 memory 检索成 prompt 中的"推荐方向"和"禁区方向"。

实现上 memory 不是稠密表征也不是 replay buffer，就是若干自然语言模板加 canonical example，配合当前库状态做检索。

Ralph Loop

整个流程论文叫 Ralph Loop：retrieve → generate → evaluate → distill 循环。每轮 agent 先从 memory 取先验，按先验生成一批候选公式，过 multi-stage 流程，把结果（入库的、因相关性被拒的、因 IC 不够被拒的）蒸馏回 memory，再开始下一轮。

LLM backbone 是 Gemini 3.0 Flash。整套循环跑在自研的 GPU 加速算子库上。

memory 与 skill 的作用机制

memory 起到的作用是改变 prompt 给 LLM 的采样分布。论文写成：

$$ \pi(\alpha | \mathfrak{m}), \quad \mathfrak{m} = \Xi(\mathcal{M}_t, \mathcal{L}_t) $$

\(\mathfrak{m}\) 把检索到的"成功模板"和"禁区"塞进 prompt，让 LLM 生成时偏向 \(\mathcal{P}_{\text{orth}}\) 这块区域。这不是严格的搜索空间裁剪，是采样分布的偏置：没有 memory 时 LLM 也有自己的预训练先验，但缺少对当前库状态的感知，越到后期重复撞 forbidden region 的概率越高。

skill 的解耦设计另外解决了 LLM agent 在数值计算上的不可靠问题。让 LLM 自己算 IC 会出现编造数字的情况；把这些计算外包给 deterministic skill，agent 只在符号层面操作，可靠性才能立住。

实验结果

数据集是 A 股 CSI500、CSI1000、HS300 加 Binance 上 64 个加密资产，全部用 10 分钟 bar，2024 训练，2025 测试，预测目标是下一根 10 分钟的开收价格变化。

Baseline 六个：Random Formula (RF)、Alpha101 Classic、Alpha101 Adapted 高频版、GPLearn、AlphaForge、AlphaAgent。所有方法用同样的 operator library、admission 规则、评估引擎，对比的是搜索算法本身。

Top-40 因子库样本外表现（IC % / ICIR）：

方法CSI500CSI1000HS300Crypto
Random Formula2.68 / 0.252.88 / 0.301.45 / 0.09n/a
Alpha101 Classic4.49 / 0.424.86 / 0.502.11 / 0.14n/a
Alpha101 Adapted5.06 / 0.435.32 / 0.492.40 / 0.15n/a
GPLearn6.04 / 0.435.86 / 0.484.12 / 0.162.50 / 0.15
AlphaForge4.48 / 0.384.64 / 0.423.53 / 0.252.52 / 0.16
AlphaAgent5.90 / 0.466.21 / 0.514.69 / 0.302.86 / 0.17
FactorMiner8.25 / 0.777.78 / 0.767.46 / 0.383.82 / 0.28

四个市场 IC 和 ICIR 都是最优。CSI500 上对最强 baseline AlphaAgent 的相对提升约 40% (IC)、67% (ICIR)，HS300 上对 AlphaAgent 提升约 59%（vs 老 Alpha101 Classic 则超过 3 倍）。HS300 整体 IC 水平低于 CSI500，原因是大盘股 microstructure 信号比中小盘更弱。

Crypto 上 FactorMiner 对 AlphaAgent 的提升约 34%，幅度小于 A 股。论文给出的解释是 skill 编码的是跨市场的微观结构通性而不是单市场的特异规则，所以从 A 股训得的配置能直接迁移过去。但 Random Formula 和 Alpha101 在 Crypto 上没跑（论文表里没填），所以"完整 baseline 横扫"只到 LLM 类方法这层。

学习集成与 IC 加权的边际收益

论文还把库丢给 Lasso 和 XGBoost 做选股。多数 baseline 上学习模型比等权和 IC 加权有明显提升；FactorMiner 上的提升非常有限，CSI500 上 EW 和 ICW 的 ICIR 是 1.29/1.31，Lasso 和 XGBoost 是 1.21/1.29，甚至略有下降。原因是 FactorMiner 的库构造时已经做了正交化（Stage 2 + Stage 3），简单等权就吃掉了大部分可利用的预测信号，learned selection 没多少残留空间。

Memory 的消融

论文把 \(\Phi, \Psi, \Xi\) 三个 memory 算子关掉，跑 No Memory 版本对比。

Have Memory 和 No Memory 在高质量候选数、admit 数、yield rate、rejection rate 上的对比

读数：

  • High-quality 候选（\(|IC| > 0.02\)）：96 vs 32，3.0×
  • Admit：43 vs 18，2.4×
  • Yield rate（高质量候选占比）：60.0% vs 20.0%
  • Rejection rate（高质量候选中因冗余被拒的比例）：55.2% vs 43.8%

Yield rate 提升说明 memory 把搜索拉到了更可能命中的区域。Rejection rate 反而升高这个点更有意思：memory 引导生成的候选 IC 更高，但更容易和已有库相关，所以需要更激进的去重才能维持正交性。这正是 \(\Psi\) 算子在工作，把单纯追求 IC 的搜索转成 IC 和正交性的联合优化，直接对应 \(\mathcal{P}_{\text{orth}}\) 那条约束。

阈值方面这组消融用了较松的 \(|IC| > 0.02\) 和 \(\theta = 0.85\)，论文说是为了保证样本足够做对比，主实验用了更严的阈值。

GPU 算子库与评估开销

论文实现了一套 GPU 加速算子库，对比 Pandas、C 编译版（Bottleneck）、GPU 三个 backend 在 CSI500 (12,610 × 500) 数据上的算子计算时间：

  • TsRank：1843ms (Pandas) → 393ms (C) → 31ms (GPU)，GPU 加速 59×
  • TsCorr / TsStd 等：8–59× 加速区间
  • C 版平均也比 GPU 慢 5.4× (1092ms vs 202ms)

整体效果是评估 1000 个候选因子从 70 分钟（Pandas）压到 6 分钟。论文称之为 “qualitative enabler”：没有这套加速，整个 retrieve-generate-evaluate-distill 循环根本不可能在合理时间内迭代。很多 LLM agent 论文跳过底层计算效率，但因子挖掘是 evaluation-bound 任务，eval 太慢循环就转不起来。

LLM 一律用 Gemini 3.0 Flash，没有针对挖因子做 fine-tuning。论文未报告调用次数和 token 成本。

局限

论文最后两节列了几条 limitation：

  • 没有和端到端的神经预测模型做直接对比，比如把 110 个因子作为特征丢进 LightGBM，对比直接用 raw OHLCV 训神经网络
  • 没有 transaction cost-aware 的回测，只评估 IC/ICIR 这类信号质量指标
  • Memory 更新是 offline 的，展望是做 online memory updates 以适应非平稳市场
  • A 股训练得到的 memory 直接迁移到 Crypto，但有效性是经验性的，没给理论保证

实际更关心的两个问题论文没回答：一是 LLM 提示词的工程量有多大、对结果的鲁棒性如何；二是 110 个因子在 2025 年继续推到 2026 年还能保持多少 IC。第一点是工程复现门槛，第二点是因子衰减问题。

小结

FactorMiner 解决的问题是"因子库越大越难加新因子"，路径是把搜索过程从无记忆的随机/进化采样改成有 memory 引导的 agent 循环。两个核心组件 skill 和 memory 各司其职：skill 保证数值计算可靠，memory 把过去的探索经验沉淀成下一轮的先验。

实验上对比 GPLearn、AlphaForge、AlphaAgent 等近期工作，四个市场 IC 和 ICIR 都最优，A 股训得的 memory 还能零样本迁移到加密市场。消融实验直接证明了 memory 的作用：yield rate 从 20% 提到 60%，admit 数从 18 涨到 43。论文一并放出了 110 个 A 股高频因子库，对想做后续研究的人是一个直接可用的工件。

延伸阅读：