English(EN) Teaching a 27B Model to Write Trading Alphas: 101 Formulas, 12 Rewards and One Unseen Year

27B大语言模型被训练用于生成盈利性交易公式

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-10 19:37

一篇研究论文详细介绍了开发一个拥有270亿参数的模型 Qwen3.8-27B 的过程，该模型使用多奖励强化学习进行训练，以生成单行交易公式。这些公式随后被转换为美国股票的每日交易投资组合，并在12个奖励通道上进行评估。该系统表现出改进的性能，公式的平均得分从-1.37提高到+1.80，并且一个等权重投资组合在一年未见数据中实现了+16.2%的回报，且市场Beta值较低。 AI

影响展示了大语言模型在专业金融应用中的潜力，推动了强化学习在复杂模式生成方面的边界。

排序理由该条目描述了一篇研究论文，详细介绍了大语言模型在特定应用（交易公式）的训练和结果。[lever_c_demoted from research: ic=1 ai=1.0]

在 dev.to — LLM tag 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 1 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目描述了一篇研究论文，详细介绍了大语言模型在特定应用（交易公式）的训练和结果。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 1 days old; Coverage has settled into its steady-state source set.

完整方法见我们的编辑标准。

报道来源 [1]

dev.to — LLM tag TIER_1 English(EN) · Aleksei Romanov · 2026-10-10 19:37

训练一个27B模型编写交易Alpha：101个公式，12个奖励和一年未见

<p>Qwen3.8-27B is trained with multi-reward RL to write one-line trading formulas in the language of WorldQuant’s <a href="https://arxiv.org/abs/1601.00991" rel="noopener noreferrer">101 Formulaic Alphas</a>. A deterministic verifier turns each formula into a daily dollar-neutral…

本文如何被排名

报道来源 [1]

训练一个27B模型编写交易Alpha：101个公式，12个奖励和一年未见

相关实体

相关话题