BetaAgent：交易风险因子挖掘和评估系统.pdf

传统风险因子体系主要依赖日频数据，难以涵盖日内高频交易中的微观结构风险，且人工构建效率低、自动化方法可解释性差。本报告提出BetaAgent，一个基于OpenAI Agents SDK的多智能体协作系统，旨在自动化挖掘兼具高可解释性与高效率的短期交易风险因子。

系统架构与工作机制

BetaAgent由IdeaAgent、FactorAgent和EvalAgent三大核心智能体组成。IdeaAgent基于市场微观结构知识与历史记忆生成因子假设；FactorAgent将假设转化为向量化代码并执行计算，具备自修复能力；EvalAgent基于六维标准评估因子表现并反馈改进建议。系统通过Trace机制记录全流程数据，形成带记忆的闭环迭代，利用Handoff和Sessions等技术实现高效协作与经验沉淀。

挖掘成果与实证表现

系统成功挖掘出10个短期交易类风险因子，包括资金流路径震荡与成交量集中度共振风险等。这些因子与基准Barra体系相关性低，具有显著的增量解释力。在指数增强组合回测中，加入这些因子约束后，沪深300、中证500及中证1000增强组合的超额最大回撤均显著降低，其中中证1000增强策略在近年表现出显著的超额收益提升与风险控制改善，验证了Agent驱动方法在量化风控领域的实用价值。