大语言模型驱动因子挖掘：CogAlpha智能体架构解析

研究背景与框架引入

在量化投资领域，Alpha因子的挖掘长期面临高维度、低信噪比以及时变波动性等挑战。传统的手工构造方法效率低下，而机器学习与深度学习方法虽具备强大的拟合能力，却存在明显的黑箱属性，导致决策逻辑难以解释。近年来，大语言模型（LLM）被尝试用于直接生成因子代码，但现有方法往往依赖随机生成，缺乏对有效经验的继承与复用，且容易因回测噪声导致语义漂移，造成因子同质化严重。

为弥补上述不足，CogAlpha框架应运而生。该框架将智能体引入因子挖掘过程，结合大语言模型的生成式推理能力与进化计算的搜索优化思想，旨在实现可解释、稳健且多样化的Alpha因子全自动挖掘。其核心在于构建了一个“生成-评估-进化”的迭代循环，全流程无需人工介入，通过金融逻辑引导进化搜索，显著减少了随机试错的成本。

七级智能体架构与多样化生成

CogAlpha的核心是一个从宏观到微观、从抽象到具体的七级智能体架构，共包含21个专用智能体。每个智能体被赋予特定的金融分析视角，独立探索某一类因子逻辑。这七个层级依次为：市场结构与周期层、极端风险与脆弱性层、量价动态层、价格波动行为层、多尺度复杂性层、稳定性与机制控制层，以及几何与融合层。这种层次化设计确保了因子搜索空间的广泛性和逻辑多样性，避免了全局盲目搜索。

为了防止大语言模型陷入固定的表达套路，框架设计了五种改写模式，包括轻度、中度、创意、发散和具象模式。每次生成时随机选择一种模式调整提示词，既能保证分析方向的一致性，又能丰富表达方式，引导模型从不同角度思考同一因子逻辑，从而提升生成因子的鲁棒性和多样性。

质量检查与思维进化机制

在因子生成后，系统通过多智能体质量检查器进行自动化审核。该检查器由代码质量检测、代码修复、语义评估和逻辑提升四个智能体构成，形成一条自动化审核流水线，负责检查语法错误、修复代码、评估逻辑一致性以及简化复杂因子。随后，系统利用IC、ICIR、RankIC和RankICIR四项指标对因子进行综合评估，根据得分将因子划分为无效、合格和精英三类，合格因子进入父代池，精英因子则被永久保存。

思维进化模块是CogAlpha的创新之处，它利用大模型取代传统遗传编程中的固定算子，通过自然语言提示实现智能变异与交叉。突变操作允许对因子代码进行微调，如调整窗口大小或添加非线性变换；交叉操作则要求大模型融合两个父代因子的核心逻辑。这种在自然语言空间中的遗传算法比传统方法更具灵活性，能够产生更复杂的因子结构。同时，系统每隔一代会注入少量全新生成的因子，以维持因子种群的多样性。

实证分析与局限性探讨

在中国A股市场的实证分析中，研究使用了DeepSeek-v4-pro和Qwen3-VL-235B两个大语言模型。结果显示，两个模型生成的因子在样本外均表现出一定的预测能力，其中Qwen3-VL-235B生成的因子Rank IC均值相对较高。然而，分析也揭示了当前方法的局限性：不同模型生成的因子间存在较高的相关性，部分因子信息重合度较高；“突变+交叉”进化策略的实际增益有限，大模型的创新能力主要体现为对训练语料的复现与参数微调。此外，框架中AdaptiveFeedback模块的回测噪声问题可能导致子智能体间的经验误导，且相同智能体生成的因子存在趋同现象。尽管存在这些挑战，CogAlpha仍为自动化因子挖掘提供了一个强大且透明的基准，其技术细节对后续研究具有重要参考价值。