LLM-MCTS驱动的可解释因子迭代框架研究

因子研究范式的演进与瓶颈

传统因子挖掘主要依赖人工构建、深度学习建模及自动公式搜索三种路径。人工构建虽具备较强的经济学解释能力，但高度依赖研究员经验，搜索空间有限且效率较低。深度学习模型虽能处理高维非线性特征，但其“黑箱”特性限制了在实际投研中的广泛应用。自动公式搜索技术如遗传规划虽能扩大搜索范围，但面临计算资源消耗大、表达式复杂且难以解释的挑战。近年来，大语言模型（LLM）展现出较强的金融逻辑推理能力，能够生成具备金融含义的因子假设，但直接利用LLM生成因子缺乏系统性搜索机制和持续反馈闭环，难以解决系统性探索问题。

LLM-MCTS框架的核心逻辑

为解决上述问题，本研究构建了LLM-MCTS（大语言模型结合蒙特卡洛树搜索）可解释因子迭代框架。该框架将因子生成问题建模为公式搜索树，其中MCTS负责在搜索树中进行选择、扩展、评测和回传，管理搜索预算并决定路径切换；LLM则作为扩展器，负责生成金融假说、可执行表达式或Python函数，并对候选因子进行逻辑审查和机制解释。这种分工使得LLM不直接决定最终因子，而是提供带有语义约束的候选动作，MCTS则基于真实数据评测结果（如RankIC、IR、覆盖率、换手率等）计算奖励分数，通过UCT算法平衡利用与探索，避免搜索过早收敛。

日频价量因子的迭代挖掘效果

在日频Seed定向改造实验中，以29个低频价量原始因子为起点进行迭代。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。这表明LLM-MCTS并非仅在原因子附近做机械组合，而是能围绕波动、反转、成交确认等逻辑提出增量结构。在正式选择口径下，29个最终入选因子在样本内全部优于原始Seed，其中19个在样本外仍优于原始Seed，验证了框架在保留原始金融逻辑基础上的改进能力。

批量低频因子挖掘与高频应用

在低频Seed池批量挖掘中，以12个根节点机制为起点进行批量搜索。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，占比82.7%。双优候选去重后包含123个公式，且这些候选之间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。此外，该框架亦适用于高频分钟因子挖掘，通过给定原始经验因子作为Seed，利用LLM-MCTS搜索框架可得到更高质量的高频因子，如“高量脉冲次数”因子在样本内外均表现突出，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。