研究人员开发了 AlphaSchema，一个用于基于 LLM 的 Alpha 挖掘的新型框架，它构建了交易语义的探索。与之前将因子构建和搜索隐式委托给 LLM 的方法不同，AlphaSchema 明确定义了一个由事件、上下文、质量、方向和输出组成的语义空间。这种方法将探索与实现分离，允许 LLM 将模式计划转换为可执行因子，同时一个代理模型指导最优因子的搜索。在中国股市上的实验表明，AlphaSchema 发现的因子库具有强大的预测和投资组合表现，并在不同的 LLM 中显示出鲁棒性。 AI
影响 该框架可以增强 LLM 驱动的金融因子发现中的系统化探索和优化。
排序理由 该集群描述了一篇研究论文，详细介绍了一个用于基于 LLM 的 Alpha 挖掘的新框架。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2607.26642v1 Announce Type: new Abstract: Automated alpha mining has increasingly adopted large language model (LLM) agents for factor generation and iterative discovery. However, existing LLM-based systems often delegate both factor construction and search decisions to the…
Automated alpha mining has increasingly adopted large language model (LLM) agents for factor generation and iterative discovery. However, existing LLM-based systems often delegate both factor construction and search decisions to the agent itself, without an explicit exploration s…