Finance

量化投研（Finance）综述

本主题关注如何把价格、成交量和新闻等市场信息转化为可执行、可复核的投资研究结论。十四篇核心论文覆盖研究先验、信号生成、自动搜索、多层评价、可靠性压力测试和投资组合构建；现有系统已能高速产生与筛选候选，但仍没有一套公开证据链贯通封存样本外评价、模拟交易和实盘治理。

定义与边界

量化投研是把市场数据转化为可计算的研究假设，再用历史数据检验它是否可能形成收益。本页纳入直接定义研究空间、生成交易信号、预测收益、验证策略、构建投资组合，或自动化这些阶段的工作。

支付、信贷、保险、反欺诈和金融问答等泛金融应用不在本页范围内；只生成市场评论、没有可执行研究产物或时间一致验证的系统也不纳入。是否使用 AI 不是分类依据：TimesFM-Fin、News Shock 和 R&D-Agent(Q) 分别回答预测、资产定价和研究编排问题。当研究反馈真正改变下一轮假设或实现时，它才同时属于 自动科研。

阅读提示

• 阿尔法（alpha）：相对市场基准希望获得的超额收益，也常指用来获取这种收益的交易信号。
• 因子（factor）：由价格、成交量、基本面或文本等数据计算得到的特征，用来解释或预测资产收益。
• 回测（backtest）：在历史数据上重放一套策略，估计它过去的收益、风险和交易成本。回测结果不等于未来可实盘复现的收益。
• 时点一致（point-in-time）：每个历史决策只能使用当时已经可见的数据，防止未来信息泄漏到过去。
• 样本外（out-of-sample，OOS）：用于最终评估、且未参与训练或调参的数据。它能减少过拟合，但反复查看同一份样本外结果仍会引入选择偏差。
• 投资组合（portfolio）：多种资产或因子按权重合成的整体仓位，用于平衡预期收益、风险和交易约束。
• 夏普比率（Sharpe ratio）：单位波动风险对应的超额收益；数值越高通常代表风险调整后表现越好，但不自动代表可交易。
• 换手率（turnover）：组合在相邻调仓期间更换仓位的程度，往往直接影响交易成本和策略容量，即在明显推高成本前可投入的资金规模。

核心论文

研究空间、公式语料与综述（3 篇）

• 101 Formulaic Alphas — 公开 101 条 WorldQuant 生产公式，报告平均持仓期、相关性和换手率等统计。它提供可执行的研究起点，但性能数字来自私有数据和未扣交易成本的环境。
• 151 Trading Strategies — 用统一符号整理 150 多类交易策略、550 多个公式和约 2,000 条参考文献。它适合作为研究先验和分类参考，但没有统一数值回测，也不承诺策略盈利。
• 自主公式化阿尔法发现综述 — 用表示、变异、适应度评价、选择、记忆和适应六组件统一八类搜索路线，再提出八维评价矩阵；它提供比较坐标而非收益实证，定性编码也没有独立复核。

信号与预测模型（2 篇）

• TimesFM-Fin — 在金融价格序列上继续训练时间序列基础模型（foundation model）TimesFM，并用对数变换损失和动态遮罩改善部分市场预测。它在外汇（FX）和加密货币上仍不及简单的一阶自回归模型 AR(1)。
• News Shock — 将 Reuters 新闻社的报道转成嵌入表示（embedding），再剔除可由传统股票特征预测的部分，把剩余信息视为「新闻冲击」，并构建同时做多看好资产、做空看弱资产的多空组合。该信号的预测力持续约 18 个月，但强结果依赖新闻许可、剔除已知特征成分的方法和递归估计协议。

自动研究反馈环（2 篇）

• R&D-Agent(Q) — 用智能体（agent，能调用工具并根据结果继续操作的模型驱动程序）串联规格、假设、代码、回测和分析，再用汤普森采样（Thompson Sampling）选择下一轮优化因子还是模型。它证明历史回测内环可以运行，但样本外窗口短，也没有实盘与故障恢复证据。
• AgonAlpha — 把假设、公式、平台结果和审查结论冻结为可审计研究产物，并由独立审查者复跑、以感知在途任务的树搜索分配预算；外部平台减少作者控制，却仍反复使用同一历史窗口。

评价、验证与可靠性（6 篇）

• AlphaEval — 用预测力、时间稳定性、扰动鲁棒性、金融逻辑和多样性五维评分筛选公式因子；20 个进程下相对评价时间降低超过 25%，但它明确不替代仓位、成本、执行和路径依赖回测。
• AlphaForgeBench — 让模型生成可执行因子和策略代码，再由确定性引擎执行 903 个问题；温度 0 与 0.7 的 Sharpe 比率最大差异低于 0.008，但稳定执行不等于样本外有效。
• BacktestBench — 用 18,246 个任务拆分指标抽取、数据检索、代码生成和回测；代码执行正确率可达 99.22%，同一模型的指标计算准确率却只有 0.19%，揭示语法正确与金融正确之间的断层。
• Market-Bench — 以参考实现检查三类回测的盈亏、回撤和持仓路径；Qwen3 Max 的 15 轮都能执行，但总体平均绝对误差约为 $1.59\times 10^8$。
• TradeTrap — 对市场信息、提示、记忆和仓位状态注入扰动；只篡改流程型智能体看到的仓位，就使总收益从 0.91% 降至 -61.02%、最大回撤升至 91.97%。
• DeepFund — 用模型知识截止时间之后的实时数据评价基金投资智能体；最初 24 个交易日仅 Grok 3 获得正累计收益，说明短期实时路径减少预训练污染，却仍不足以证明长期超额收益。

投资组合与风险控制（1 篇）

• UPSA — 混合多种岭回归（ridge regression）收缩强度；这里的「收缩」是主动压低不稳定估计，以减少有限样本噪声被组合优化放大。它在 JKP 异常因子库（汇集大量资产定价因子的研究数据）的 153 个因子上学到非线性收缩，但主目标尚未纳入交易成本、市场冲击（交易本身推动价格）、借券和杠杆约束。

从研究先验到实盘

研究问题与先验
→ 形成信号、因子或预测模型
→ 编写可执行实现
→ 时点一致的回测与样本外检验
→ 候选选择、收益归因与组合构建
→ 模拟盘与实盘部署
→ 监控、降级与策略退出
→ 反馈到下一轮研究

论文	主要输入	研究产物	验证方式	尚未覆盖
151 Strategies	交易文献与行业知识	策略分类、公式与文献索引	无统一数值验证	策略是否仍有效、如何执行
101 Alphas	价格、成交量与私有生产统计	101 条可执行公式	2010–2013 年 WorldQuant 生产统计	公开数据独立复现、净交易成本
自主公式化阿尔法发现综述	自动公式发现文献	六组件分类与八维评价矩阵	定性文献编码，无作者自有实验	纳入范围、编码一致性与评价阈值
TimesFM-Fin	多市场价格序列	经金融数据调整的预测模型	一次时间留出与模拟交易	多次滚动检验、市场变化导致的模型失效与实盘
News Shock	Reuters 新闻与 JKP 股票特征	新闻冲击信号与多空组合	1996–2022 年递归样本外检验与多类稳健性检查	实时新闻延迟、数据许可、成本与容量
UPSA	153 个 JKP 因子组合收益	多种收缩强度混合后的组合权重	1981–2022 年滚动样本外检验；留一法（leave-one-out，LOO，每次留出一个样本验证）	留一法的时序假设、成本、市场冲击与借券
R&D-Agent(Q)	Qlib（开源量化研究平台）数据结构、研究状态与历史结果	假设、因子或模型代码、回测和下一轮选择	执行与相关性检查、Qlib 样本外回测	长期独立重复、反复选择偏差、实盘和故障恢复
AgonAlpha	研究假设、公式、平台结果与审查状态	冻结研究产物与搜索树	WorldQuant BRAIN 外部评分、独立审查者复跑	封存时间留出、组合、模拟交易与实盘
AlphaEval	因子输出、未来收益与输入扰动	五维因子质量分数	A 股与标普 500 历史数据、指标代理和相对耗时	仓位、成本、执行、路径依赖记账与前瞻存活率
AlphaForgeBench	自然语言因子或策略问题	可执行因子与单资产长仓策略	七类资产、固定成本、确定性回测	多资产、做空、真实流动性与持续搜索
BacktestBench	指标需求、SQL 数据和策略描述	指标、查询、代码与回测结果	18,246 个合成任务和确定性答案	开放研究、非零成本、长期状态与选择偏差
Market-Bench	三类自然语言交易规则	回测代码、盈亏、回撤与持仓路径	与作者参考实现逐项对齐	更广策略语义、真实需求歧义与生产成交
TradeTrap	市场信息、提示、记忆与仓位状态	逐时交易动作和组合路径	一个月历史回测中的定向扰动	研究产物、券商风险闸门与生产尾部故障
DeepFund	截止时间后的实时市场与基金信息	多角色投资判断与组合	24 个交易日至一个季度的实时评价	独立重复、因子代码、长期退役与恢复

这张表的关键不是给论文排等级，而是指出它们证明了链路中的哪一段。研究先验、信号和组合工作定义对象；自主公式化阿尔法发现综述提供跨方法比较坐标；R&D-Agent(Q) 与 AgonAlpha 形成搜索反馈；AlphaEval 等六篇工作收紧评价、执行或可靠性边界。没有一篇同时证明搜索、最终验证、模拟交易和实盘发布可以安全贯通。

主题综述

手写公式从研究成果变成搜索先验

101 Alphas 和 151 Strategies 代表行业研究者对公式与策略知识的有限披露。到 R&D-Agent(Q)，这些公式不再只是最终成果，也成为自动系统的语法参考、对照基准和失败案例。自主公式化阿尔法发现综述进一步把表示、生成、评价、选择、记忆和市场适应放入同一闭环，说明自动化没有消除旧知识，反而更依赖能按历史时点恢复且经过验证的研究语料。

价量、时间序列与新闻提供三种互补信息

R&D-Agent(Q) 在价格和成交量特征上搜索因子与预测模型，TimesFM-Fin 直接从价格序列学习预测，News Shock 则试图从新闻中分离传统股票特征尚未反映的信息。三者不是互斥路线：价量因子、序列预测和文本信号可以同时进入一个研究环。

真正的障碍是比较协议。三篇论文使用不同市场、时间跨度、成本假设和组合方法，因而尚不能推出「自动搜索优于序列模型」或「新闻优于价量」。只有在同一份时点一致数据、同一交易成本模型和同一份封存样本外数据上重做实验，才能判定它们的相对价值。

候选越多，组合构建与选择偏差越重要

自动生成因子、预测和高维嵌入表示会同时扩大候选数量与参数维度。UPSA 表明，即使每个信号单独看起来有效，对平均收益和共同波动关系（协方差）的估计误差仍可以在组合优化中被放大。R&D-Agent(Q) 的反馈环又会反复查看验证结果，从而让验证集逐步变成搜索过程的一部分。

AlphaEval 提供比单一 IC 更丰富且可并行的筛选信号，AgonAlpha 则把并发预算投向更有希望的研究分支。自主公式化阿尔法发现综述从方法族层面指出，表示与候选生成的进步已经快于适应度可靠性、经验证的记忆和市场适应。发现速度越高，越需要记录生成和丢弃了多少候选、预留从未参与搜索的最终数据，并在投资组合目标中纳入换手率、策略容量和交易成本。否则，自动化只是更快地扩大了过拟合空间。

可执行、可重放、指标合理和经济有效是四道不同关口

BacktestBench 与 Market-Bench 说明代码可以运行但金融数值仍可能错误；AlphaForgeBench 说明生成一次代码再确定性执行可显著提高重放稳定性；AlphaEval 再用多个代理指标评价因子性质。TradeTrap 和 DeepFund 则把证据边界推到状态扰动与实时市场，显示前面三道关口仍不能保证经济有效。

自动化与实盘之间的缺口

1. 研究产物需要版本化。 数据快照、代码版本、运行环境、随机种子、结果、论断和组合决策应当形成可追溯的依赖链，而不是只保留最高分的一次回测。
2. 生成与最终验证要分离。 智能体可以根据回测生成新候选，但封存样本外数据、独立重新执行和成本风险检查不能被同一反馈通道反复调参。
3. 上游变化应使下游证据失效。 数据修订、交易成本模型或评估方法改变时，依赖旧输入的回测、论断和组合决策也应标记为待重新验证；EviGraph 提供了可迁移的依赖图思路。
4. 实盘发布需要人工关口和恢复机制。 人类至少需要确定资产范围、风险偏好、数据许可和最终数据解封，并验证进程重启、过期结果和重复下单不会破坏状态；详细检查框架见 长程智能体可靠性。

当前十四篇核心论文都没有完整覆盖这四点。R&D-Agent(Q) 与 AgonAlpha 最接近长时自动循环，但它们证明的是历史评价反馈能推动搜索，不是进程重启后仍可恢复、或策略可安全上线。

共同观察

1. 自动化速度不等于证据强度。 R&D-Agent(Q)、AgonAlpha 与 AlphaEval 能更快生成、调度或筛选候选，但短样本外窗口和反复选择会增加过拟合风险；自主公式化阿尔法发现综述将其概括为“表示和变异领先于可靠适应度”，151 Strategies 则提醒读者，策略会随市场结构变化而失效。
2. 对照基准必须能够重新执行，而且运行成功不等于结果正确。 101 Alphas 和 Qlib 的 Alpha 158/360 让自动系统有可比较的目标；BacktestBench、Market-Bench 与 AlphaForgeBench 进一步表明，需要分别核对代码执行、金融数值和运行间稳定性。
3. 信号生成不能与组合构建分开评价。 News Shock、TimesFM-Fin 和 R&D-Agent(Q) 产生的预测，最终都要经过相关性、换手率、策略容量、风险收缩和交易成本的检验；UPSA 说明了下游估计误差可以改变上游信号的排序。
4. 当前最大的空白是运行治理。 十四篇论文都没有同时覆盖数据与代码追溯、策略退出、恢复、模拟盘发布和实盘监控；TradeTrap 证明错误状态会被闭环放大，却没有给出崩溃一致的运行时。

假设冲突与脆弱点

1. 可解释因子与直接收益预测，哪种更适合自动研究？ R&D-Agent(Q) 的因子便于审计和组合，TimesFM-Fin 则减少人工特征设计；两者尚无同数据、同成本和同组合方法的比较。
2. 更多候选究竟提高发现率，还是加重选择偏差？ R&D-Agent(Q) 鼓励持续生成，UPSA 则说明候选维度接近历史样本数时，均值和协方差噪声会更容易被放大。
3. 价量信号与文本信号是互补，还是重复定价？ News Shock 试图隔离传统特征已可预测的新闻成分，但尚未与 101 Alphas 或 R&D-Agent(Q) 的因子库联合剔除重叠信息，再做组合评估。
4. 历史样本外结果能否代表实盘正确性？ News Shock 和 UPSA 提供长历史检验，R&D-Agent(Q) 提供自动反馈环，但交易成本、市场冲击、借券、数据延迟和执行故障都可能逆转历史排序。
5. 高吞吐代理评价会减少成本，还是加速验证器过拟合？ AlphaEval 的五维指标比完整回测更易并行，AgonAlpha 和 R&D-Agent(Q) 则需要大量反馈决定下一步。自主公式化阿尔法发现综述要求同时报告搜索预算、适应度可靠性和拒绝候选，但尚未证明这些字段足以控制选择偏差。若同一窗口同时承担搜索奖励与最终证明，评价越便宜，搜索器越可能学习代理指标而非未来收益。

值得关注的方向

1. 建立时点一致、成本感知的公式复现基准

在统一数据快照、历史成分股名单（避免只保留后来仍存活的公司）、每次只用过去训练再向未来测试的滚动前推验证，以及交易成本模型下，重新执行 101 Alphas 和 151 Strategies 中的代表公式，公开每条公式的有效期、相关性、换手率和失效原因。这主要是数据和回测工程，小团队可以先覆盖一个公开市场和少量代表公式。

2. 构建同时使用价量、时间序列与新闻的研究环

让智能体在公式因子、TimesFM-Fin 预测和 News Shock 表示之间生成、组合与淘汰候选。实验应固定数据、组合构建方法和总搜索预算，才能区分新信息带来的增益与反复尝试带来的幸运收益。两端均有公开实现，小团队可从离线日频数据开始。

3. 联合因子发现与成本感知的投资组合构建

将 R&D-Agent(Q) 产生的高维因子库接入 UPSA 式组合方法，在目标中显式纳入交易成本、策略容量和风险暴露约束。评估不只报扣费前的夏普比率，还要报扣费后表现、换手率、峰值杠杆和因子数增长时的变化。两个系统都有公开代码，主要工作是协议对齐，以及逐项移除组件、确认收益来源的对照实验。

4. 构建可恢复的量化研究智能体

将数据、代码、实验、论断和组合决策建成版本化依赖图，注入进程重启、过期结果、虚假高分、损坏的中间状态和模拟交易重试，测量恢复率、证据失效传播和重复副作用。这类实验不需要大规模训练集群，但能检验当前历史回测内环能否升级为可审计、可安全发布的研究系统。

5. 测量多维筛选器的适应与失效

将 AlphaEval、单一 IC 和完整回测分别作为固定预算搜索器的反馈信号，保留从不参与搜索的第二层时间留出集，并按 自主公式化阿尔法发现综述 的八维矩阵记录搜索预算、残余质量、经济多样性、可交易性、记忆更新和市场状态。随着查询次数增加，比较验证集与封存集差距、代理指标投机率、候选多样性、净收益和总评价成本，直接判定高吞吐筛选何时从节省计算转为放大选择偏差。