Skip to content
BranchesTags

Repository files navigation

Alpha Factor Agent — 可解释 Alpha 因子生成智能体

AI金融研学实训营 · AI篇 主题四 研究问题:当结构化数据已经公开了同一事件的关键数字时,LLM 读文本还能多告诉我们什么? 检验场:A 股业绩预告(2015–2021)

一套"LLM 提假设 → 程序验证 → 反馈迭代"的闭环系统:让 LLM 根据经济含义提出可解释的候选因子,再由确定性代码自动检查重复/未来数据、做统一样本外检验。重点不是挖历史高收益,而是让每个因子都有明确计算逻辑和经济解释。

为什么是这个问题。 业绩预告的幅度、类型、区间在聚源里都是现成的结构化字段,任何量化团队都能直接用;LLM 唯一可能的增量在正文的归因语义里。这让"为什么非要用 LLM"从一句辩解变成一个可量化、有对照组、可证伪的检验:增量存在,说明文本确有未被定价的信息;增量不存在,说明市场对该类事件的文本信息已充分定价 —— 两个方向都是结论。

项目真正的资产是那套裁决装置(确定性回测 + 点时间对齐 + 白名单算子 + 方法依赖图),不是某个因子。详见 ADR-0022。

想看进展 / 提反馈

研究过程沉淀的想法流在 alpha.cihua.run。

  • 在网页上直接提:打开 https://alpha.cihua.run/#submit 填表单即可 —— 无需 GitHub 账号,系统会自动同步成一条 Issue。
  • 有 GitHub 账号:直接 新建 Issue。
  • 本地开发排期 / 认领表:见 docs/DEV_PLAN.md。开工前先看 Claim Ledger,避免重复处理同一工单。

请勿在工单里粘贴敏感数据。

系统架构

                    ┌─────────────────────────────┐
                    │   因子库 & 经济含义提示       │
                    └──────────────┬──────────────┘
                                   │
                    ┌──────────────▼──────────────┐
         ┌─────────►│  1. 因子生成 Agent (LLM)     │  产出:因子表达式 + 经济解释
         │          └──────────────┬──────────────┘
         │                         │
         │          ┌──────────────▼──────────────┐
         │          │  2. 校验 Agent (LLM+规则)    │  查:重复? look-ahead? 可计算?
         │          └──────────────┬──────────────┘
         │                通过     │
         │          ┌──────────────▼──────────────┐
         │          │  3. 回测模块 (纯代码, 不用LLM)│  算:IC/ICIR/换手/成本后收益
         │          └──────────────┬──────────────┘
         │                         │
         │          ┌──────────────▼──────────────┐
         └──────────┤  4. 反馈 Agent (LLM)         │  据回测结果改进因子
                    └─────────────────────────────┘

省 token 设计:LLM 只在生成/校验/反馈三步调用(短文本);回测全部走本地代码,不烧 token。

Agent 分工(输入 → 输出)

Agent 输入 输出 用什么
因子生成 已有因子库、字段字典、经济假设 候选因子表达式 + 经济解释文本 LLM(可本地 Qwen / 付费 API)
校验 候选因子、字段可得性表 是否重复 / 是否用未来数据 / 能否计算 LLM 判断 + 确定性规则复核
回测 通过校验的因子、行情&财务数据 IC、ICIR、分组收益、换手率、成本后收益 纯 Python(pandas/numpy),无 LLM
反馈 回测结果 + 因子 改进建议 / 新候选 LLM

关键防线:LLM 生成的任何数值结论一律由确定性程序复核,LLM 只负责"提想法"和"读结果",不负责算数。

数据

  • 来源:聚源数据库(财务报表、估值、交易、行业、公司行为、复权价)。
  • 范围:A 股横截面;先用日频。
  • 时间边界:候选因子只能用当期可得信息,严格保留字段来源与计算公式,防 look-ahead。
  • 目录:data/raw(原始)→ data/processed(清洗对齐)→ data/cache(因子中间结果)。

评价指标

统一对所有候选因子计算,不能只按历史收益筛选:

  • Rank IC / ICIR(样本外)
  • 分组收益(多空组合、单调性)
  • 换手率 及 交易成本后收益
  • 与已有因子的相关性(增量价值)
  • 稳健性:多个市场状态 / 滚动样本外

基线因子:价值、质量、动量、波动率、流动性(等权多因子)。

每周排期(约 5–6 周)

周 目标 产出
W1 数据管线 + 基线因子库 data/processed 就绪,5 个基线因子可算 IC
W2 回测模块(纯代码) src/backtest 完成,基线因子回测报告
W3 因子生成 + 校验 Agent 能自动产出并过滤候选因子
W4 反馈闭环 + 批量实验 完整闭环跑通,产出一批候选因子
W5 稳健性检验 + 可解释性整理 样本外/多状态检验,因子经济解释卡片
W6 论文/汇报 + 复现打包 报告 + 可复现代码

目录结构

alpha-factor-agent/
├── data/            raw / processed / cache
├── src/
│   ├── agents/      generate / validate / feedback
│   ├── backtest/    IC、分组、成本、样本外划分
│   ├── factors/     基线因子 + 因子表达式引擎
│   ├── llm/         模型调用封装(本地/API 可切换)
│   └── utils/       数据加载、时间对齐、字段字典
├── notebooks/       探索与可视化
├── results/         factors / reports / logs
├── tests/
└── docs/

快速开始

cd alpha-factor-agent
python -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt

当前可运行交付

当前仓库已经实现 docs/BUILD_SPEC.md 中的 M0-M6 初版链路。默认没有真实聚源数据时,系统会使用 deterministic synthetic data 做工程验证;这些结果只用于证明流程正确,不代表真实市场结论。

运行确定性基线实验:

python -m src

Agent 候选生成不再从未确认的命令行参数直接启动。调用方必须先确认 ResearchRequest,通过 确定性 capability preflight 并取得 ExecutionPermit;run_loop 会拒绝缺少许可的调用。实际运行接口由 研究任务服务承接,确定性基线仍可独立复现。

运行后主要产物:

路径 内容
data/processed/panel.parquet 或 panel.pkl 点时间对齐后的研究面板
results/reports/baseline_summary.csv 5 个基线因子的样本外回测摘要
results/factors/*.json Agent 通过校验并回测后的候选因子
results/reports/factor_summary.csv 候选因子汇总,含 IC/ICIR/换手/成本后收益/基线相关性
results/reports/*/report.json 与 summary.png 单因子详细报告与图表
results/run_manifest.json 本次运行摘要

验证:

pytest -q

学校内网 SQL Server 接入

已提供可复用探库/导出脚本 scripts/mssql_tool.py,真实连接信息通过环境变量或本地 config/mssql.env 传入,不要写进仓库。

cp config/mssql.env.example config/mssql.env
python scripts/mssql_tool.py --env-file config/mssql.env doctor
python scripts/mssql_tool.py --env-file config/mssql.env databases
python scripts/mssql_tool.py --env-file config/mssql.env tables
python scripts/mssql_tool.py --env-file config/mssql.env snapshot --output-dir data/metadata/mssql/latest

M7 业绩预告事件表使用独立的规范化导出入口:

python scripts/export_performance_forecasts.py --env-file config/mssql.env

该命令写出本地 data/raw/performance_forecasts.parquet 和不含公告正文的 data/metadata/forecast_extract_manifest.json;稳定事件 ID、同日当前报告期选择和公告后首个 交易日可得性均由版本化确定性规则生成。原始事件表和公告正文不会提交 Git。

完整说明见 docs/JUYUAN_SQLSERVER.md。确认聚源实际库表和字段后,再把正式导出 SQL 映射到 data/raw/prices.csv、data/raw/fundamentals.csv、data/raw/universe.csv。

模型后端

默认后端是 mock,便于无网络、无 API key 时复现实验结构。真实模型只参与候选生成、语义校验和反馈,回测永远不调用 LLM。

OpenAI-compatible API:

export ALPHA_AGENT_LLM_BACKEND=api
export OPENAI_API_KEY=...
export OPENAI_BASE_URL=https://api.openai.com/v1  # 可选
export ALPHA_AGENT_LLM_MODEL=gpt-4.1-mini
# 完成研究合同确认与 capability preflight 后,由研究任务服务传入 ExecutionPermit

本地 OpenAI-compatible 服务,例如 vLLM/Ollama 代理:

export ALPHA_AGENT_LLM_BACKEND=local
export ALPHA_AGENT_LOCAL_BASE_URL=http://localhost:8000/v1
export ALPHA_AGENT_LOCAL_API_KEY=EMPTY
export ALPHA_AGENT_LLM_MODEL=Qwen2.5-7B-Instruct
# 完成研究合同确认与 capability preflight 后,由研究任务服务传入 ExecutionPermit

模型调参优先级:先调 prompt、JSON 输出约束、temperature/max_tokens 和规则校验;只有在候选输出长期不稳定且积累了足够高质量样本后,才考虑 LoRA 微调。详见 docs/MODEL_STRATEGY.md。

参考文献

  • McLean & Pontiff (2016), Does Academic Research Destroy Stock Return Predictability?, JF
  • Kou et al. (2025), Automate Strategy Finding with LLM in Quant Investment, EMNLP Findings
  • Huang et al. (2026), AlphaFormer: End-to-End Symbolic Regression of Alpha Factors with Transformers, PMLR
  • Gu, Kelly & Xiu (2020), Empirical Asset Pricing via Machine Learning, RFS(滚动样本外划分范例)

About

Alpha 研学想法流的反馈与工单入口 · alpha.cihua.run

Resources

Readme
Activity

Stars

2 stars

Watchers

0 watching

Forks

1 fork
Report repository

Releases

Packages

Contributors

Languages