XALPHA：一种由记忆驱动的 AI 量化研究员，用于从假设到代码的 Alpha 发现

金融市场具有高噪声和非平稳性，使得预测性交易信号难以发现。现有方法多自动化孤立步骤，缺乏端到端的量化研究能力。为此，本文提出 XAlpha，一种由记忆驱动的 AI 量化研究员，旨在实现连续的“假设到代码”Alpha 发现。XAlpha 维护一个多源研究记忆系统，整合基于报告的金融知识与历史发现反馈。在该系统指导下，宏观大脑规划主题，微观大脑生成并验证因子代码，交叉大脑则将实证结果转化为反馈以指导未来探索。实验表明，XAlpha 在 CSI300 数据集上的 Alpha 发现性能优于代表性基线。