摘要
针对金融市场噪声大及非平稳性导致的 Alpha 挖掘难题，本文提出 QuantaAlpha，一种基于进化的 LLM 驱动挖掘框架。该框架将每次挖掘视为轨迹，通过轨迹级的变异与交叉操作优化因子。它能定位并修正次优步骤，重组高回报片段以复用有效模式，同时在生成过程中强制语义一致性并约束复杂度。在沪深 300 指数上的实验表明，该方法显著优于现有基线，且在跨市场迁移中展现出强大的鲁棒性。
AI 推荐理由
论文提出进化框架，核心机制为轨迹级变异与交叉，实现自我改进。
研究机构
SUFU
Stanford
PKU
SYSU
SEU
论文信息