Beyond Prompting: An Autonomous Framework for Systematic Factor Investing via Agentic AI
创建于 更新于
摘要
本文提出一个基于Agentic AI的自治因子发现闭环框架：智能体自动生成、回测并解释可交易因子，使用严格的样本外验证与经济合理性门槛以抑制数据挖掘偏差。实证（美股日频，2021–2024 OOS）表明：单因子显著、因子集经线性/LightGBM聚合后实现卓越可实现收益——线性组合的年化净夏普比率达3.11，年化收益约59.53%，并在计入交易成本与周转约束后保持显著性 [page::0][page::21][page::22]。
