arXiv cs.AI· Tong Liu, Lanmiao Liu, Xiang Hu·· 2 天前AI 评分22
RICE-Alpha：用事件图与可靠性校准为 LLM 智能体股票预测做修正
RICE-Alpha: Reliability-Informed Correction with Event Graphs for LLM-Agent Stock Forecasting
AI 导读
RICE-Alpha 是一个 point-in-time 股票打分框架，将历史感知的多视角 Base Alpha 与基于历史事件延续的可靠性校准残差修正分离，通过 Multi-Tier Memory Layer 和 Typed Event Agent 构建事件状态图。
正文 · AI 翻译
摘要：与股权相关的新闻通过时间依赖的公司事件演变，使得历史信息只有在事件连续性、信息可用性和转换可靠性被建模时才有用。现有的基于 LLM 的金融智能体纳入了历史证据，但它们在时点约束下对保留发行人特定时间顺序的支持有限，也难以识别历史转换何时提供了超出当前预测的信息。我们提出 RICE-Alpha（Reliability-Informed Correction with Event Graphs，基于事件图的可靠性信息校正），一个时点股票评分框架，将历史感知的多视图 Base Alpha 与源自历史事件延续的可靠性校准残差校正分离。多层记忆层将新闻解读建立在时间上合格的发行人特定历史之上，而类型化事件智能体构建事件状态，其后继关系在发行人内部形成，并且只有在有效的局部配对之后才跨公司池化。成熟转换按其经验可靠性进行校准，所得图信号对 Base Alpha 和技术视图进行残差化，以获得 RICE Delta。在 2024 年至 2026 年的每日纳斯达克 100 和恒生指数面板上，RICE-Alpha 在四个预测指标和四个投资组合层面指标上，在所评估的基于 LLM 的智能体和动量方法中取得了最强结果。其 ICIR 超过最强基线的两倍以上，而净夏普比率在美国和香港分别达到 1.656 和 1.725。美国消融实验进一步表明，在移除主要组件后，经 Holm 调整，IC 和 RankIC 显著下降。这些结果表明，当历史事件延续在时间上有依据、经过可靠性校准，并作为多视图预测的残差校正引入时，它会增加增量信息。
| 评论： | 15 页，4 幅图，4 张表。v2：将通讯作者更正为 Xiang Hu，并添加了 Tong Liu 的电子邮件；科学内容未变 |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI）；计算金融（q-fin.CP）；一般金融（q-fin.GN） |
| 引用为： | arXiv:2609.34004 [cs.LG] |
| （或 arXiv:2609.34004v2 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.34004 arXiv 颁发的 DOI 通过 DataCite |
提交历史
来自：Tong Liu [查看电子邮件]
[v1]
2026 年 9 月 27 日星期日 23:03:31 UTC（786 KB）
[v2]
2026 年 9 月 30 日星期三 14:44:17 UTC（786 KB）
来源：arXiv cs.AI · arxiv.org