Paper

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。 ...

量化投资的核心工作之一是挖掘 Alpha 因子——找到能预测资产收益的信号。传统做法依赖研究员手工构造因子表达式，或者用遗传规划（Genetic Programming）等自动化搜索方法在算子空间里暴力枚举。前者依赖人的经验和直觉，效率低但因子可解释性强；后者效率高但产出的因子往往是一堆难以理解的算子嵌套，研究员很难判断它到底在捕捉什么逻辑。 AlphaGPT（论文链接）的思路是把大语言模型引入因子挖掘的流程，让 LLM 作为因子的生成器参与进来。后续的 AlphaGPT 2.0（论文链接）进一步引入了人机协作的闭环。 ...