Beyond Prompting: An Autonomous Framework for Systematic Factor Investing via Agentic AI
创建于 更新于
摘要
本文提出一个基于代理式AI的自驱动因子投资框架，将因子发现、经济可解释性审查与严格时序验证整合成一个闭环研究引擎。通过将信号按简单线性组合形成多因子组合，并在严格的样本外检验和交易成本约束下进行回测，其在美股市场实现显著的风险调整收益（年化夏普3.11、年化收益59.53%），并展示自进化AI具备可扩展性和解释性的特征。该框架通过记忆更新、门控机制和多阶段评估，抑制数据挖掘与p-hacking，强调因子经济学解释与结构鲁棒性的重要性 [page::1]
