arXiv cs.CL· Fengyuan Liu, Yuchen Fu, Yuqi Wang, Fengyuan Liu, Mukai Li, Qi Liu·· 2 天前AI 评分27
X-Alpha：具备记忆驱动自进化能力的 AI 量化研究员
X-Alpha: An AI Quant Researcher with Memory-Driven Self-Evolution
AI 导读
X-Alpha 是一个将持久研究记忆与假设到代码的持续发现相结合的 AI 量化研究员，通过 Report-to-Memory Abstraction（RMA）把金融报告转化为可执行的研究路径，并借助记忆驱动路由重定向探索。它在中国大陆、美国和中国香港的五个股票指数上评估，以 CSI300 为核心的实验显示其因子质量与信号多样性优于基线，并在多个市场和预测周期上取得一致的生成级增益。
正文 · AI 翻译
摘要：人类量化研究员通过迭代过程挖掘 alpha：他们从金融知识中推导假设，将其作为因子实现并测试，并利用由此产生的证据指导后续研究。然而，自动化 alpha 挖掘面临三个关键瓶颈：嘈杂的金融知识无法直接付诸实践，探索可能局限于相似的机制，反馈可能仍与单个挖掘运行绑定。为解决这些瓶颈，我们提出了 X-Alpha，一个 AI 量化研究员，它将持久的研究记忆与从假设到代码的持续发现相结合。报告到记忆抽象（RMA）使用多层过滤与抽象过程，将金融报告转化为可操作、数据兼容的研究路径。记忆驱动的路由利用积累的经验来重定向探索，并为每个周期定义有针对性的搜索空间。在每个周期内，假设被实现为可执行因子，并通过实证验证和基于代码的演化进行改进。实证结果被整合到持久的研究记忆中，以指导后续探索，从而实现跨周期的记忆驱动自我演化。我们在涵盖中国大陆、美国和香港的五个股票指数上评估 X-Alpha，并以 CSI300 为中心进行了全面实验。实验表明，与基线相比，X-Alpha 具有强大的 alpha 发现性能，在因子质量和信号多样性方面有所提升，并在多个市场和预测周期上取得了一致的生成级增益。
| 学科： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2607.08332 [cs.CL] |
| （或 arXiv:2607.08332v3 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2607.08332 arXiv 颁发的 DOI（通过 DataCite） |
提交历史
来自：Fengyuan Liu [查看电子邮件]
[v1]
2026年7月9日星期四 10:17:22 UTC（1,637 KB）
[v2]
2026年7月13日星期一 07:04:03 UTC（1,860 KB）
[v3]
2026年10月15日星期四 08:12:52 UTC（1,060 KB）
来源：arXiv cs.CL · arxiv.org