普林斯顿携手蚂蚁与斯坦福提出 AQuA 框架：量化金融自主因子挖掘的双 Agent 架构

普林斯顿大学、蚂蚁集团与斯坦福大学研究团队于 2026 年 8 月在 arXiv 发表论文，推出用于量化金融自主因子发现与模型构建的双智能体系统 AQuA。

• 系统由两套独立的语言模型驱动子系统组成，分别负责加密货币符号 Alpha 因子挖掘与美股时间序列模型构建，二者在智能体、记忆与候选空间上完全隔离以防交叉污染。
• 采用非对称自由架构，限制智能体仅能通过领域特定语言（DSL）生成因子表达式或配置差异，评测器置于搜索空间之外以杜绝前瞻偏差与过拟合。
• 因子挖掘模块由经理智能体统一调度数据管家、视觉分析师、想法挖掘师等 6 个专门角色，每项因子必须具备可证伪机制才进入算子组装流程。
• 实验结果显示其模型开发系统在美股样本外测试中实现了约 +0.0843 的单股信息系数（IC），多空策略样本外夏普比率达到 +2.50。
• 影响/看点：该研究表明在金融等高噪声严谨领域中，通过结构化契约严格隔离生成与评测是避免 AI 逻辑过拟合的有效路径，其实际应用价值有待在包含真实交易滑点与流动性冲击的实盘中进一步验证。
• 资料依据：
• arXiv（2026-08-20）：https://arxiv.org/abs/2608.12841
• MarkTechPost（2026-09-01）：https://www.marktechpost.com/2026/09/01/aqua-a-two-part-agentic-framework-for-autonomous-factor-discovery/

本内容由 AI 生成，仅供参考，请注意甄别