加载中...
本文提出 BlindTrade:一种“先匿名化(anonymization-first)”的 LLM → GNN → RL 投资流程,通过将 S&P500 日常成分股的代码与公司相关实体匿名化(阻断记忆性泄露)、由四类专用 LLM 代理生成解释性评分并嵌入语义向量,再经 SemGAT 学习跨股关系、最后由 PPO-DSR 策略进行组合权重分配。2025 年 YTD OOS(至 2025-08-01)平均 Sharpe=1.40±0.22、累积收益≈32.22%,并通过信息系数(IC)分析与负对照(shuffle)实验验证信号并非纯泄露 .
| Strategy | Sharpe (ann.) | CumRet (%) | MDD (%) | Vol (ann.) |
|---|---|---|---|---|
| BlindTrade | 1.40 ± 0.22 | 32.22 ± 5.21 | -31.66 ± 5.76 | 42.34 ± 7.12% |
| SPY | 0.64 | 8.52 | -19.00 | 23.26% |
| EQWL | 0.74 | 7.23 | -15.39 | 22.51% |
| Momentum | 0.89 | 15.42 | -26.49 | 32.19% |
| MCap Top-20 | 0.85 | 11.50 | -19.56 | 24.91% |
| RAW Top-20 | 0.97 | 11.54 | -15.63 | 21.78% |
元数据与概览(引言与报告概览)
逐节深度解读
图表与表格深度解读
模型与训练细节(SemGAT 与 PPO-DSR)
消融与稳健性试验
风险因素评估
批判性视角与细微差别
结论性综合
附:关键图表(文中引用)
(全文基于原文内容逐段解读与图表解构;上述每处事实性陈述均对应原文相应页码以便溯源。)
2603.17692.pdf