金融市場是高維非線性動態系統，具有重尾、時變波動和復雜的橫截面依賴性，導致預測難度增加。金融市場的資產回報預測面臨高維度、非平穩性和持續波動性等挑戰。現有的定量研究流程自動化程度低、可解釋性弱、各關鍵組件協調性差。

本文提出RD-Agent(Q)，一個數據驅動的多代理框架，旨在自動化量化策略的研發。RD-Agent(Q)實現端到端自動化，增強可解釋性，降低幻覺風險。RD-Agent(Q)在研究階段通過結構化知識森林模擬分析師工作流程，生成高質量假設。在開發階段，Co-STEER作為知識進化代理，提升數據中心任務的代碼生成準確性和效率。

RD-Agent(Q)在真實股市實驗中，成本低于$10時，年化收益率（ARR）約為基準因子庫的2倍，且使用因子減少70%以上，超越了小資源預算下的深度時間序列模型。

摘要

金融市場的資產回報預測面臨高維度、非平穩性和持續波動性等挑戰。現有的定量研究流程自動化程度低、可解釋性弱、各關鍵組件協調性差。本文提出RD-Agent(Q)，一個數據驅動的多代理框架，旨在自動化量化策略的研發。RD-Agent(Q)分為研究階段和開發階段，研究階段設定目標、形成假設并映射任務，開發階段通過Co-STEER生成代碼并進行市場回測。兩個階段通過反饋機制連接，使用多臂老虎機調度器進行自適應方向選擇。RD-Agent(Q)在實際市場中實現了比經典因子庫高出2倍的年化回報，且使用的因子減少70%。其聯合因子-模型優化在預測準確性和策略穩健性之間取得良好平衡。

簡介

金融市場是高維非線性動態系統，具有重尾、時變波動和復雜的橫截面依賴性，導致預測難度增加。資產管理行業正從經驗驅動轉向數據驅動，量化投資因高效決策、可重復執行和追求超額收益而日益普及。

現代量化研究流程通過微軟的Qlib項目簡化數據處理和回測，重點轉向因子挖掘和模型創新。因子挖掘從傳統模型發展到進化符號回歸和強化學習優化，模型創新則從經典自回歸演變為機器學習和深度學習架構。股票特定模型利用圖神經網絡捕捉股票間互動，LLM和多智能體系統從新聞和社交網絡提取信號。當前量化研究面臨三大限制：自動化程度低、可解釋性差、優化過程碎片化。

本文提出RD-Agent(Q)，一個數據驅動的多智能體框架，自動化全棧量化策略開發，支持因子與模型的協同優化。RD-Agent(Q)實現端到端自動化，增強可解釋性，降低幻覺風險。RD-Agent(Q)在研究階段通過結構化知識森林模擬分析師工作流程，生成高質量假設。在開發階段，Co-STEER作為知識進化代理，提升數據中心任務的代碼生成準確性和效率。

RD-Agent(Q)在真實股市實驗中，成本低于$10時，年化收益率（ARR）約為基準因子庫的2倍，且使用因子減少70%以上，超越了小資源預算下的深度時間序列模型。交替因子-模型優化實現了預測準確性與策略穩健性之間的良好平衡。

相關工作

傳統定量研究方法依賴于人造因子（如價值和動量），缺乏適應性。符號回歸和遺傳編程自動化因子挖掘，增強信號多樣性和有效性。強化學習將因子配置視為序列決策，優化夏普比率，但在市場變動下缺乏穩健性和可解釋性。早期模型（如ARIMA和指數平滑）對高維噪聲數據表現不佳，經典機器學習方法需手動特征工程。深度學習（如LSTM和Transformer）捕捉長期和橫截面依賴，專用時間序列神經網絡如PatchTST和iTransformer進一步提升預測能力。現有因子和模型流程孤立且依賴專家，限制了在波動市場中的可擴展性。

大語言模型（LLMs）在金融研究中提供自動化機會，能提取預測信號和生成因子解釋。LLM基礎的多代理系統（如FinAgent和TradingAgents）用于復雜決策，但多集中于狹窄子任務，易產生幻覺且難以重現。現有系統缺乏聯合因子-模型優化和工作流程整合機制，限制了在實際定量系統中的有效性。

RD-Agent(Q)

本文提出RD-Agent(Q)，一個數據驅動的多智能體框架，用于迭代因子模型研發，具備自動化、可解釋性和高效性。量化過程分為五個緊密耦合的單元：規范、合成、實施、驗證和分析，形成閉環循環，模擬人類研究者的試錯過程。RD-Agent(Q)持續自主運行，支持因子和模型組件的動態共同優化。每輪的假設、實施和結果被持久存儲，促進知識積累和決策的逐步優化。

規格單元

規格單元是RD-Agent的頂層組件，動態配置任務上下文和約束，確保設計、實施和評估的一致性。其運作沿兩個軸線：理論（編碼假設、數據模式和輸出協議）和經驗（建立可驗證的執行環境和標準化接口）。

規格單元形式化為元組S = (B, D, F, M)，其中B為背景假設，D為市場數據接口，F為預期輸出格式，M為外部執行環境。任何候選因子或模型f θ需滿足條件：? , x ∈ D, ; f θ (x) ∈ F且f θ可在M中執行，確保與標準輸入/輸出結構兼容，支持模塊間的協作一致性和可重復性。

合成單元

合成單元通過歷史實驗生成新假設，模擬人類推理。當前優化動作定義為t ∈ {factor, model}，并構建實驗軌跡。第t個實驗表示為e_t = {h_t, f_t}，其中h_t為假設，f_t為反饋。維護當前最佳解決方案集SOTA，定義歷史假設和反饋集H_t和F_t。提取與動作相關的子集。

生成映射函數G結合理論先驗和經驗反饋生成新假設h(t+1)，確保假設可執行且科學合理。在因子生成任務中，h(t+1)考慮最新反饋、市場條件和經濟理論，確保因子的有效性和可觀察性。生成機制根據性能反饋調整策略，成功時增加復雜性，失敗時進行結構調整或引入新變量，形成“想法森林”。

假設h(t)被具體化為任務t(t)，下游模塊用于代碼實現。因子假設h_factor(t)可分解為多個子任務t_factor(i)，而模型假設h_model(t)映射為單一任務t_model，執行整個建模和推理流程。

實施單元

實施單元負責將合成單元生成的可執行任務轉化為功能代碼，核心在于RD-Agent(Q)的復雜開發。設計了專門的代理Co-STEER，支持定量研究中的因子和模型開發，確保實現的正確性、效率和適應性。

因子開發中任務存在結構依賴，采用引導性思維鏈機制，構建有向無環圖(DAG)表示任務依賴關系。通過拓撲排序指導任務執行，調度過程具有適應性，反饋機制用于優化計劃，優先處理簡單任務以提高成功率。

實施代理I根據任務描述和知識庫生成代碼c j，過程包括任務解析、代碼合成、執行和驗證。目標是最大化累積實施質量π I，通過評估代碼的正確性和性能RI(c j)。知識庫K記錄成功和失敗的任務-代碼-反饋三元組，更新方式為K(t+1) = K(t) ∪ {(t j, c j, f j)}。通過知識轉移機制，代理可以根據當前反饋從知識庫中檢索相似任務的解決方案，提高新任務代碼生成的效率和成功率。

反饋驅動的優化循環持續提升代碼質量和效率，促進定量研究組件的快速和穩健開發。

驗證單元

驗證單元評估實施單元生成的因子或模型的實際有效性。對新因子進行去重處理，通過與現有SOTA因子庫的相關性計算。計算因子矩陣F的IC值，篩選出IC值最大≥0.99的新因子，認為其冗余。剩余因子與當前SOTA模型結合，通過Qlib回測平臺評估性能。模型評估過程對稱，候選模型與當前SOTA因子集配對進行回測。驗證單元提供集成化、自動化的標準化評估管道，支持生產級市場模擬環境。

分析單元

分析單元在RD-Agent(Q)框架中擔任研究評估和策略分析的角色，評估假設、任務和實驗結果。若實驗結果優于當前SOTA，則將結果添加至相應的SOTA集合，并診斷失敗策略，生成改進建議。

分析單元與合成單元互動，形成閉環系統，平衡短期響應與長期探索。每輪分析后，決定優先進行因素優化或模型優化，采用上下文兩臂賭博問題，通過線性湯普森采樣解決。

系統觀察8維性能狀態向量，評估每個動作的預期收益，選擇收益最高的動作執行，并更新后驗分布。通過上下文湯普森采樣機制，RD-Agent(Q)自適應平衡探索與利用，提升迭代性能。

實驗

實驗設置

數據集：使用CSI 300數據集，涵蓋300只大型A股，時間分為訓練（2008年1月1日-2014年12月31日）、驗證（2015年1月1日-2016年12月31日）和測試（2017年1月1日-2020年8月1日）。

RD-Agent(Q)的三種配置：

• RD-Factor：固定預測模型為LightGBM，優化因子集（起始于Alpha 20）。
• RD-Model：固定因子集為Alpha 20，尋找更好的模型。
• RD-Agent(Q)：同時優化因子和模型。

基線比較：因子層面比較Alpha 101、Alpha 158、Alpha 360和AutoAlpha；模型層面包括多種機器學習和深度學習模型（如Linear、MLP、XGBoost、GRU等）。

評估指標：因子預測指標（信息系數IC、IC信息比率ICIR等）和策略表現指標（年化收益ARR、信息比率IR、最大回撤MDD等），采用基于預測收益排名的日常多空交易策略。

實驗分析

RD-Agent在CSI 300數據集上表現優于所有基線模型，尤其在預測和戰略指標上。

RD-Factor通過動態優化因子空間，超越靜態因子庫，IC高達0.0497，ARR提升至14.61%。RD-Model在固定因子下表現最佳，Rank IC為0.0546，MDD為-6.94%，顯示出機器學習模型在捕捉金融噪聲和非線性模式上的局限。RD-Agent(Q)通過聯合優化因子和模型，達到最高性能，IC為0.0532，ARR為14.21%，IR為1.74，顯著超越強基線方法。

RD-Factor的因子假設演變分析顯示探索與利用的平衡，采用文本嵌入、相似性矩陣和層次聚類方法。

研究發現多樣化路徑產生協同效應，最終選入8個試驗，涵蓋5個聚類，支持高效的深度搜索和概念覆蓋。

Co-STEER在RD-Agent(Q)框架下的pass@k準確率評估顯示，其在模型任務和全棧任務中快速收斂，o3-mini在復雜任務中表現出更高的恢復率，體現了其強大的鏈式推理能力。

RD-Factor在因子生成方面表現優異，使用22%因子時，IC水平與Alpha 158和Alpha 360相當，且在2019-2020年間保持穩定，顯示出迭代因子優化的有效性。

RD-Model在ARR、MDD和資源使用方面優于基線模型，RD-Model GPT-4o和o3-mini在風險收益比上表現突出。

RD-Agent(Q)對LLM后端的敏感性評估顯示，o1在多個指標上表現最佳，GPT-4.1緊隨其后，整體框架在不同LLM后端上表現穩健。

RD-Agent(Q)的成本低于$10，驗證了其成本效益和可擴展性。

總結

RD-Agent(Q)是一個基于LLM的量化金融協作因子模型開發框架，支持模塊化組件和基于帶寬的調度器，能在固定計算預算下高效迭代。實證結果顯示，RD-Agent在信號質量和策略表現上優于基線，具備良好的成本效率和可推廣性。模塊化設計使其適應真實世界環境，但目前依賴LLM的內部金融知識。

未來工作可增強數據多樣性、引入領域先驗，并實現在線適應市場變化。用戶需自行準備金融數據，獨立評估和測試生成因子及模型的風險，使用時需謹慎。

RD-Agent(Q)不提供金融意見，不能替代合格金融專業人士的角色，輸出不代表微軟的觀點。

?本文轉載自????靈度智能??，作者：靈度智能