金工专题报告：深度学习系列之四，从人工写因子到AI写因子，LLM_MCTS驱动的可解释因子迭代框架.pdf

上传者：A*****
时间：2026/06/23
热度：82
0人点赞
举报

本报告构建了LLM-MCTS可解释因子迭代框架，旨在实现从人工写因子到AI挖因子的范式升级。框架中，MCTS负责在公式或代码搜索树中进行选择、扩展、评测和回传，LLM负责生成金融假说、可执行表达式或Python函数，并解释机制及审查数据合法性。相比一次性让模型写公式，该框架将候选生成、周度RankIC/IR评测、样本内选择、样本外检验和经验库沉淀组织成闭环，覆盖日频Seed改造、低频Seed池批量挖掘和高频分钟行为挖掘。在日频Seed定向改造中，以29个低频价量原始因子为起点，结果显示候选池层面25/29个Seed至少搜索到过样本外优于原始Seed的候选。在低频Seed池批量挖掘中，以12个根节点机制为起点，样本内生成的173个因子优于对应原始Seed，其中143个同时实现样本内和样本外优于原始Seed，占样本内有效候选的82.7%。双优候选去重后包含123个公式，且全局绝对相关性整体偏低，说明搜索结果未坍缩为少数同质信号。该框架亦可用于高频分钟因子挖掘，如“高量脉冲次数”因子表现突出，验证了框架从日频公式扩展到分钟级交易行为机制的有效性。