AlphaAgent: LLM-Driven Alpha Mining with Regularized Exploration to Counteract Alpha Decay
创建于 更新于
摘要
本报告提出AlphaAgent框架，融合大型语言模型(LLM)与三种正则化机制（原创性约束、假设一致性评估与复杂度控制），有效缓解因因子过拟合与同质化所致的alpha衰减问题。通过抽象语法树(AST)衡量因子原创度，结合LLM语义理解保障因子与市场假设的合理对齐，框架实现自主假设生成、因子构建和评估闭环。实验证明，AlphaAgent在中美两大市场的4年多轮实测中，显著优于传统遗传编程、强化学习及现有LLM方法，在对抗市场变化导致的alpha衰减，提升稳定的预测能力与风险调整收益率方面表现出色，展示了因子挖掘领域的创新突破和实践价值 [pidx::0][pidx::1][pidx::3][pidx::6][pidx::8]。
