本文提出 Alpha‑R1:一种将金融语义理解与强化学习结合的因子筛选框架,利用 LLM 对因子经济逻辑与实时新闻进行推理、语义门控并通过基于市场回测的 GRPO 优化策略,从而显著提升因子在不同市场政权下的稳健性与风险调整后回报;实证在 CSI‑300 与 CSI‑1000 上均显著优于传统 ML 与基线 LLM(如 Qwen3‑8B、Claude 等).
| Asset Pool / Method | CR (%) | AR (%) | SR | MDD (%) |
|---|---|---|---|---|
| CSI 300 — Alpha‑R1 (Ours) | 12.99 | 27.59 | 1.62 | 6.76 |
| CSI 300 — Buy & Hold | 3.03 | 6.70 | 0.33 | 10.49 |
| CSI 300 — XGBoost | -10.03 | -21.65 | -1.54 | 15.33 |
| CSI 300 — PPO | 0.89 | 3.28 | 0.11 | 11.67 |
| CSI 300 — Qwen3‑8B (base) | -6.32 | -12.41 | -0.77 | 16.35 |
| CSI 1000 — Alpha‑R1 (Ours) | 42.49 | 78.18 | 4.03 | 9.25 |
| CSI 1000 — Buy & Hold | 9.64 | 22.14 | 0.80 | 16.87 |
(更多细节请参见论文方法和实验章节)
元数据与概览(引言与报告概览)
逐节深度解读
图表与表格逐一深度解读(关键图表与图片逐项分析)
Figure 1(框架总览):图示三大阶段:Preparation(原始数据抽象、记忆构建与因子回测)、Semantic Construction(将回测度量映射为语义化因子剖面与当期市场状态 S_t)及 Reasoning & Optimization(用 backbone LLM + GRPO 优化的 Alpha-R1 做语义筛选并将结果放入线性模型回测)。此图有助理解系统如何把数值回测结果转译为自然语言因子描述并在决策时结合短期语境。
Table 1(主要实验结果,页6):该表比较 Alpha-R1 与多类基线(非 LLM:Buy & Hold、PCA、XGBoost、LightGBM、A2C、PPO;LLM:Gemini、Claude、DeepSeek-R1、Qwen3-8B)在两个资产池(CSI 300 与 CSI 1000)上的 CR、AR、Sharpe、MDD 指标。关键发现:
Figure 2(净值曲线,页6):两张子图分别为 CSI 300 与 CSI 1000 的净值轨迹。
Table 2(消融实验,页7):将 Alpha-R1 在 CSI 300 上的若干变体对比——移除市场价格、移除新闻、移除语义描述(以数学公式替代)、移除 RL 微调(即仅 backbone Qwen3-8B)。要点:
Figure 3(参数敏感性热图,页8):多张热图展示 TopN 与 HoldingDays 对 Sharpe、CR、MDD 在两个资产池上的影响。
估值/业绩归因与回测设计(方法学细节)
风险因素评估(报告内列举与潜在影响)
批判性视角与方法局限(谨慎客观评估)
结论性综合(总结要点与图表所示深刻见解)
附:本文并未涉及公司估值或传统估值模型(DCF/PE 等),因此“估值分析”章节在本论文语境下不适用;本文关注的是量化因子筛选与组合构建方法学。
如果需要,我可以:
2512.23515.pdf