本文提出 AgonAlpha,一套面向横截面股票因子挖掘的自主智能体系统,将搜索单元从单一公式扩展为包含假设、可执行表达式、平台证据、经济解释和审核结论的完整研究工件。系统由提议者、独立新上下文审查者和具备待处理任务感知能力的调度器组成,通过重新执行、否决权、PW-MCTS/UCB 预算分配及逐级淘汰机制提升可审计性与资源效率。在 WorldQuant BRAIN 的美国 TOP3000 股票、2019—2023 年评估中,60 个提交因子中有 17 个获得 SPECTACULAR 评级,最高 Fitness 和 Sharpe 分别达到 9.50 和 3.48;同时,完整保留从提示词到表达式、平台记录和审核结果的证据链。
| 代表性 Alpha | 经济机制概括 | Fitness | Sharpe | 换手率 | 其他关键结果 |
|---|---|---|---|---|---|
| A17q5RdR | 对齐的六个月期权需求 | 3.93 | 2.52 | 5.92% | 自相关 0.1827 |
| 88er8JAl | 相对成交量稳定性 | 2.55 | 1.76 | 9.58% | 收益 26.24% |
| LL1mdWz6 | 持续卖空兴趣与反转择时 | 2.82 | 2.32 | 7.82% | 回撤 6.91%,自相关 0.4173 |
| pwlL71Ex | 多期限下行保险分歧 | 4.73 | 3.03 | 5.08% | 自相关 0.4968 |
| KPE0LnN1 | 状态条件下的期权确认 | 9.50 | 3.48 | 7.93% | 子宇宙 Sharpe 1.76,自相关 0.6321 |
报告标题为《AgonAlpha: Autonomous Alpha Discovery via Prompt Economy and Scalable Agentic Search》,作者包括 Weicheng Ye、Youran Sun、Xingyu Ren、Shunyao Yu、Chugang Yi 和 Haizhao Yang,分别来自香港中文大学、马里兰大学数学系及计算机科学系。报告未明确列出正式发布日期,但正文及参考文献均以2026年为背景,主题是利用大语言模型、智能体搜索和外部量化平台开展可审计的自动化股票因子发现。
报告的核心观点不是“语言模型能够生成更多公式”,而是一个完整的自动化研究系统还必须解决四个问题:选择什么作为搜索对象、如何独立验证证据、如何在并行和昂贵的评估环境中配置预算,以及如何保存从提示词到最终公式的完整研究轨迹。 报告提出的 AgonAlpha 将搜索单位从单一公式升级为包含假设、可执行表达式、平台证据、经济解释和审核结论的“研究工件”,并通过提案者、独立审核者和预算调度器协同工作。
报告没有传统证券研究报告中的“买入/持有/卖出”评级或股票目标价,其评价对象是系统本身。实证结果显示,五位作者在 WorldQuant BRAIN 上共提交60个alpha,其中17个取得最高等级 SPECTACULAR,最佳 Fitness 为9.50,最佳 Sharpe 为3.48。 这意味着作者试图证明的是:在固定、外部控制的量化平台规则下,AgonAlpha能够产生高分因子并留下可追溯证据,而不是证明这些因子已经适合真实投资组合或未来必然盈利。
报告指出,既有系统通常将公式表达式树作为搜索对象,由一个模型生成、修改并自我打分,但这种方式无法保留最初的经济假设、被否决的方向、修改过程以及最终解释与实际执行表达式之间的对应关系。 AgonAlpha因此把“研究谱系”视为基本搜索单元,谱系中的每个节点都是冻结的研究工件,调度器决定下一次预算应投向哪条研究路线,而不是简单决定下一个运算符。 这一变化的重要性在于,因子发现本质上存在路径依赖和选择偏差,单独保存最终公式无法判断它经历了多少次试错、是否存在事后解释或是否从同一信号反复调参而来。
作者还引用 AlphaBench 关于大语言模型难以可靠进行零样本因子排序的结论,以及已有异常因子在2005年以后非微型股票样本中月度中位数收益仅约7个基点的结果,说明“看起来合理”与“具有稳定经济价值”之间存在很大差距。 报告同时强调,30篇基于LLM的交易论文普遍对点时数据、训练测试切分、交易成本、换手率、执行细节和工件公开程度披露不足,因此系统级的证据管理与评估设计不应被视为附属功能。
图1左侧展示传统公式级范式:一个LLM生成公式并对其自我评分,搜索轨迹封闭;右侧展示AgonAlpha:冻结工件进入 pending-aware UCB 调度器,由最多10个并行工作者处理,并由新上下文审核者重新运行和审核。 图示清楚表达了四个制度差异:
该图支持报告的主要论点:系统的瓶颈不只是“公式质量”,还包括谁拥有验证权、哪些实验正在进行、以及结果是否能够被第三方复核。
报告沿三条轴线比较已有方法。第一条是搜索单位,AlphaJungle主要在公式树上使用MCTS,QuantaAlpha以固定轮数演化轨迹,而AgonAlpha强调带证据的冻结工件。 第二条是验证机制,FactorMiner采用确定性的IC和相关性阈值,FactorMAD使用合作式辩论,Agora则通过多个智能体分散权力;AgonAlpha则赋予独立审核者重新执行和否决权。 第三条是预算分配,既有方法多使用固定流程、双臂bandit或冻结因子池,较少处理多个异步实验同时进行时的“在途工作”问题。
表1据报告用于将15个系统映射到四项缺陷轴:F1搜索单位、F2验证制度、F3预算分配和F4开放证据轨迹,作者声称AgonAlpha是唯一四项均满足的系统。 不过,表1更多是架构分类表,而非性能比较表,且作者主动排除了不同研究之间的性能数字,因为投资范围、延迟和评估窗口并不一致,这种处理避免了简单横向比较导致的误导。
AgonAlpha定义工件为 (A=(h,f,E,r,v)):其中 (h) 是假设,(f) 是FASTEXPR可执行表达式,(E) 是模拟输入、指标、年度结果和提交状态等证据,(r) 是经济解释,(v) 是对抗性审核结论。 多个工件按祖先关系组成lineage,唯一搜索操作是对某一谱系执行一次 extend,由提案者和审核者共同追加新节点;只有审核完成后,节点分数才进入搜索树。
提案者收到祖先报告、工作目录、参考资料和平台接口,先生成16个候选公式,再进行16→8→4→2→1的逐轮淘汰;近似重复候选在相关性超过0.85时被删除,候选按平台综合分数的绝对值排序。 若最终候选分数为负,系统可以通过符号反转获得相反收益方向,因为在美元中性横截面alpha中,取负会反转收益和Sharpe符号,但不改变换手率,因此无需重新模拟。
审核者不负责预测alpha质量,而是从独立的新上下文审计证据一致性,可以重新运行模拟;如果确认存在伪造、表达式不匹配或记录错误,调度器奖励被置为零。 这一分工有意避开LLM不擅长的“质量排序”,把审核范围限定在可复核的表达式、记录和点时信息一致性问题。
图2展示了完整流程:谱系和祖先证据进入调度器,调度器选择提案者,提案者通过16→8→4→2→1的淘汰赛生成候选,候选交由BRAIN模拟并冻结为alpha报告,之后由五维审核者检查,验证后的分数再反馈给调度器。 这张图的关键不是流程顺序本身,而是“冻结报告”位于平台模拟和审核之间,保证审核对象是已经执行过且不可随意修改的记录,从而形成审前状态和审后状态的可比性。
表2将审核拆分为五个维度,包括证据一致性、表达式与记录对应关系、点时/前视风险、符号或常数解释、以及冗余和状态风险等;其中已验证的伪造可以将调度奖励归零,而其他风险通常作为附加警告保存。 作者同时承认,目前相关规则仍不完全具有阻断效力,例如符号、常数和市场状态问题多数只是 advisory,而不是自动否决。
上层调度器使用带渐进扩展的MCTS。它同时记录节点已完成访问数 (v(n)) 和进行中的访问数 (\pi(n)),当某条谱系已有实验正在运行时,pending计数会影响后续UCB选择,从而避免并行工作者过度集中于同一分支。 渐进扩展参数为 (k=1.0)、(\alpha=0.5),意味着随着证据积累,节点才逐步开放更多子分支;非根节点最多允许一个直接子节点处于在途状态,而根节点始终可以作为回退入口。 当UCB搜索到繁忙死端时,系统无条件扩展根节点,防止所有工作者因等待而闲置。
奖励不是直接使用原始Fitness,而是按当前已完成工件的百分位数计算,并在完成时冻结;伪造被归零的工件不进入百分位数总体。 这种设计可以缓解原始平台分数非平稳的问题,但也意味着不同时间完成的节点奖励可能基于不同的分布,历史奖励不会随着样本增长而重新计算,因而存在奖励不可比的制度性特征。
图3显示,16个初始候选经过五轮筛选,实际模拟次数为 (16+8+4+2+1=31),而让16个候选全部经历五轮则需要80次模拟,因此名义上减少61%的模拟次数。 该数字是模拟次数上的配置效率,不等同于61%的代币成本、现金成本或运行时间节约,因为候选在各轮之间会被修改,且每一轮的表达式复杂度和平台耗时可能不同。
图3上半部分强调pending-aware UCB、渐进扩展和“每个非根节点一个在途子节点”;下半部分则用31对80的对比说明预算集中到幸存者,而非平均分配给所有候选。 这套机制的逻辑优势是同时兼顾探索不同谱系和利用已有高分分支,但它最终仍由平台分数驱动,若早期评分本身存在数据选择偏差,调度器可能会更有效率地放大错误方向。
作者选择WorldQuant BRAIN作为外部评估者,固定使用美国TOP3000股票、delay one,以及2019年1月1日至2023年12月31日的评估窗口;平台控制数据、模拟规则、指标、门槛和最终等级,作者不能在本地重新估计或放宽失败条件。 这种外部评估区别于作者自建回测,因为后者即便使用时间切分,数据处理、指标和执行实现仍由研究者控制。
五位作者使用独立账户和不同模型后端,共产生60个提交,17个获得SPECTACULAR;所有提交alpha均进入平台的OS tracking阶段。 但这里的OS tracking并不等同于报告已经提供了完整的未来样本统计,正文主要披露的是平台返回的评估结果,且核心窗口仍是同一套2019—2023规则。
表3汇总五个代表性alpha的BRAIN指标,均通过Fitness、Sharpe、换手率、权重集中度、子宇宙、相关性和竞争匹配检查。 主要结果如下:
表3及正文传达出三个特征:这些因子机制具有一定差异,换手率总体在5.08%—9.58%,五个alpha自相关均低于0.70。 但“低相关”与“真正独立”并不完全相同,因为多个因子都集中使用期权、短 interest、成交量或基本面数据,而且相关性检查主要是对平台既有提交的机械约束。
补充材料表4总结五位用户的部署结果,表5—表9则记录每个用户的MCTS树、父子关系、访问次数、提交状态和BRAIN ID,而不是只展示获胜者。 用户A、B、C、D、E分别记录15、24、11、26和19个非根节点,对应提交数为15、23、7、6和9,说明不同部署在树规模、探索广度和提交选择上差异显著,不能简单将提交率直接视为标准化效率指标。
其中用户B的节点0018虽未通过四项平台门槛,但其后代仍产生多个SPECTACULAR alpha,节点0021取得9.50 Fitness和3.48 Sharpe,这说明系统不会因父节点失败而自动终止整条谱系。 用户D树最大但没有SPECTACULAR,说明更多探索节点并不必然带来更高等级结果。
代表性运行共有24个节点,其中23个通过平台门槛并提交,0018因Fitness、换手率、集中度和子宇宙检查失败而未提交;作者明确提醒,这一运行只是协议执行示例,不是独立重复试验,不能用来估计总体成功概率。 审核者在24个报告中发现两次需要将审核Fitness置零的情况:0017把回归斜率误称为残差,0018则把其他候选的回撤、保证金和多空数量复制到了最终报告。 另有11个工件带有市场状态依赖或冗余风险警告。
报告对全周期Fitness超过2的九个节点进行了2019—2023年度拆分。持仓空头分支0014—0016均在2020年接近Fitness 7,2023年降至约1,说明其提升主要继承了同一市场状态,并不能视为独立的稳健性证据。 期权分歧节点0019年度Fitness为2.76、3.77、4.96、9.92和2.39,五年均为正,但2022年约贡献41%的样本期收益;其后代0021年度值为8.43、2.59、18.28、17.19和4.15,最佳与最差年份相差约7.1倍。
节点0022的最佳与最差年度Fitness相差44.7倍,是强节点中最明显的状态依赖案例。 关系网络分支0023—0024则显示加入期权信号后,年度分布有所改善,最佳/最差比率从7.3降到5.1,但2021年仍占主导。 因此,报告自身的年度分析实际上对最高分结果形成了重要限定:KPE0LnN1虽然五年每年都为正,且最低年度Fitness仍为2.59,但其高分高度集中于2021—2022年,不能简单解读为无条件稳定alpha。
主要风险包括:
报告最大的贡献是把alpha发现从“LLM写公式”提升为“可审计的研究流程”,尤其是将证据、审核、预算和谱系纳入统一架构。两角色、101行角色提示词、31次淘汰赛模拟和10并发工作者构成了一个相对简洁但功能完整的系统。 公开发布提示词、搜索决策、审核文本、平台记录和精确FASTEXPR,使读者能够检查结果是否由正确表达式产生,这是相较许多只公开模型结构或部分代码的研究的明显改进。
然而,报告最强的性能数字也必须与其限制同时阅读。60次提交中17次SPECTACULAR意味着约28.3%的最高等级比例,但这一比例并非独立、同成本、同深度重复实验下的无偏成功率;五位用户使用不同模型后端,实际树规模和预算分配也不同。 最高Fitness 9.50和Sharpe 3.48属于平台返回值,不能替代包含真实交易成本、容量约束、滑点、组合叠加和长期实盘跟踪的投资验证。
总体而言,AgonAlpha在系统工程层面提出了一个具有启发性的框架:用工件而非公式保存研究历史,用独立审核者而非自评分数检查证据,用pending-aware MCTS而非固定计划分配异步预算,并通过完整发布建立可复核性。 但从金融实证角度看,报告更有力地证明了“系统能够在外部平台上产生并审计高分候选”,而不是已经证明这些alpha具有跨市场、跨时期和真实交易环境下的持久超额收益。
2608.11250.pdf