timbuk2 m 四月市场热度轮动快，AI能否助力投资策略与风险评估？

timbuk2 m 四月市场热度轮动快，AI能否助力投资策略与风险评估？

自四月开始，市场热度周转极为迅速，FOMO情绪促使资金蜂拥而入，每个人都持有一种说法，涵盖AI、降息、财报超出预期；巨额资金投入于某一个赛道，引发了探讨：这般趋势能不能延续？当前的市场形态与泡沫存在怎样的差异及共性标点符号。

可说叙事并非策略，投资不成凭拍脑袋做决定！当实在想要去回答“这轮行情可持续与否”“我应该怎样去配置”的众多问题之时，人们需求的并非是更多所谓观点，而是可得验证的种种模型、数据以及纪律化的那种框架；也正是处在大量信息不断聚集的当前状况之下，AI绝对是极有可能助力的所在之处。然而于高风险的严肃别类金融场景之内，问题就变得相当尖锐啰：AI所给予我的分析以及回测结果究竟相不相信？AI究能不能切实把探索研究灵感，巧妙转化成可予以执行、可进行检验、可加以迭代的交易策略？这篇文章做了三件事，其一，评估现有的大模型在投研方面的能力，其二，提出一套统一的内容，其三，展示引入验证引擎以及领域知识之后出现的实际提升。

代码不过是量化的基础罢了，更靠前位置的研探究解悉之事，以及数数据据的口径和清清理洁，还有交交易易的束约束缚和消耗钱财之事，再兼有回回测测的设设定定之事和核核对对之事，以及风风险险掌控处理和研探究析解剖等细微环节，才是最容易出现差错、消耗时间最多的部分。而当前市场上的信息纷繁复杂，认知方面优势的半衰期正变得越来越短，信号衰减的速度也在加快。故而，针对很多中小型基金或团队来讲，即便市场向下延伸扩展，问题依旧存在，团队人员数量有限，分工范畴受到局限，同一个研究员常常需兼任多种职务身份，甚至独自完成整个工作展开流程 ；诸多原本应该由系统承担承接的工作，鉴于基础设施质量以及开发容量有限，依旧依靠人力进行衔接串联，研究效率以及结果稳定性都容易受到影响。

输入五花八门，语义无法自动对齐

论文,研报,交易所数据,公众号文章,宏观新闻,一个post,一句自然语言描述,输入本质上皆是非结构化研究材料,其不存在统一结构,不存在统一语义,不存在统一接口；存在海量噪音,存在极少信号。真正困难的地方,是将其中隐含的有用信息,指标定义,信号逻辑,调仓条件,执行约束以及风控规则,稳定抽取成标准化策略规范。

工作流割裂，研究难以迭代

现实当中的量化工作，分散于这样一些环节，阅读材料，手工摘录，代码编写，调试，回测，以及结果整理等。大型机构或许存在专项平台与流程予以支撑；然而对于新团队伙小fund来讲，跨环节切换成本高昂，错误传递链条冗长，一旦应对策略有一方面出现变动之处，后续众多步骤均需要重新开展一遍。

写得出代码，但写不对金融逻辑

LLM在通用代码生成方面展现出很强能力，然而，到了策略生成这类高约束任务中，时常真正出错的并非代码语法，却是金融语义本身，这涵盖多方面，比如数据窗口正确与否，是否能够处理前视偏差以及退市偏差情况，是否会注重并考虑市场冲击成本范畴，收益口径是否保持一致状态，组合构建有没有违背研究原意，订单执行假设能不能成立等。

2 | 从实验观察：顶级LLM为何还不能直接胜任量化研究？

我们要为客观比较不同agent在量化任务方面的表现，采用统一评测的方式，而且要同时覆盖商业原生agent，以及统一开源情况下的不同模型后端。每个任务里，都会提供研究论文、用户指令以及策略所需的数据文件，所有的实验都在隔离环境中运行，使用相同的数据快照、运行环境并且有着相同的资源预算。我们是由量化和AI专业人士协同拟定了一系列判断策略复现是否达标的，其中包括了-level和paper-两类集成。模型于执行进程里，没办法访问参考实现，或者不存在验证结果，执行结果为失败，出现超时情况、输出内容缺失，以及接收到接口违规情况，这些统统都被记为失败。

前文结论表明现有agent在量化任务上仍不可靠呢被我们的实验结果给验证了，这主要体现在两方面：一方面是平均成功率不高，还有一方面是没办法处理好量化策略的所谓时序，以及方向连同一些细节要求呀，哦呀。

图1，它对各类agent进行了展示，呈现出其上pass@1，也就是一次那就即刻通过的情况以及pass@5，亦即在五次之过后才实现通过那样儿的分布，于此同时呢，给出了，将其一者给给出了，针对不同agent的成本，还有交互行进途中所需经历的步数，是这样子的。

从结果能够看出，即便允许进行多次尝试，pass@5有了一定的提升，不过其整体成功率依旧是比较有限的；与此同时，不同的agent在成功率、成本以及交互复杂度之间，也显示出了显著的差异。这表明量化代码生成并不是一项依靠“多试几次”便能够稳定解决的问题。

图二显示了不一样的agent于策略属性要求m()之上的通过情形。

与此同时，任务状态的未达成并非呈现那种单独一点式的状况分布情形，而是从不同的既定方面以及与之相关的要求检验考量里头分散形式表露出来。就业已存续的语言模型而言呢：所面临的麻烦并非仅仅聚焦于“是不是在写代码这件事上存在能力缺失”，而是在于“获取到的经验知识有没有办法以量化的方式客观显现出来”且“能否把经过悉心探究明确了的义解严丝合并缝、稳定妥适地有效应用并且确证检验到实际具体流程当中去”这两个关键之处。

当下，这个项目在上线一周的时间里，其下载量已经达到了1.5k以上，而详情关于整个项目的最终成果，可以去查看这个网址：www..cloud。

:

相关论文目前under 中

图3 主页

3 | 的解决方案：

投研交易基础设施

香港大学的 CS、教授以及专业从业人员发起了 AI，自量化研究多智能体、验证引擎方面切入，去研发 AI 原生交易基础设施。对于任何输入结构、接口，系统都能够一键执行这样的工作流，以把它转变为可验证的策略规范、可执行代码以及可信赖的回测结果。我们觉得 Agent 的应用价值并非取决于单轮生成结果的流畅程度，而是取决于它有没有具备准确性、可验证性、可追溯，性以及支持多角色协同的流程承载能力。

相较于最强的开源或者商业的agent，它不仅能够产生质量更高的、更与现实交易贴近、匹配的代码，它还可以使得整个LLM生成的流程变得更为可控，更易于把握。

核心能力解析

多模态输入适配

支持多种格式输入，包括超长文本PDF格式，以及草稿格式，还有Docx报告格式，甚至纯图片格式，URL格式，自然语言格式等，能够自动识别结构，进行细颗粒度吞咽操作。

五层递进式LLM萃取

摒弃黑盒生成，借助多策略检测，进行指标提取，开展信号逻辑拆解，生成执行计划，梳理风控规则，从而把非结构化文本转变为标准化的策略规范，精确达成多策略文献的每一个策略细节。

多层验证，准确的代码生成

依据策略规范创建可执行代码，逐一项进行回溯校验，系统会针对不明确或非标准化专业领域细节逐个问询，并非自己决定生成随机的数据、公式、参数，以此确保代码正确性，杜绝无效幻觉代码。因而，基于高性价比模型（V4、flash和PRO）的策略生成质量也能够超越SOTA模型（详见Part 4）。

拟真可配置的回测框架与偏差诊断

所有策略能够接入框架,能够得以进行配置可回测，是直接连接券商的那种，可不是依照基于什么其他基础的，这样能支持使其更真实地纳入比如像手续费、滑点、杠杆嘛这类等交易约束来着；它可以自动把绩效指标提取出来，能够明智地进行比对并且把偏差点标注出来，还可能会给出具有诊断性质的报告。

IDE 无缝集成

Agent Skill能够直接接入VS Code以及Code这类工具，不需要跨越平台进行切换，不会经历任何阻拦，很平滑地连接上科学研究工作流程，使得上手所需要掌握的技能要求标准变得更低。

中英双语研究支持

支持多语种文献、策略说明和自然语言输入。

4 | 的表现：复现一个顶尖论文策略，偏差仅0.002

是以Kelly等等人之情况为例， 将之能力予以展现，于构建投资组合之际，历史数据未必可靠，某个因子于过去数年表现颇优，兴许是偶然而为；组合风险看似甚低，或许是样本时限短暂。此即谓“切莫浮躁冲动”：要是目睹极端之历史结果，并非全盘深信，而是朝着更稳、更保之方向予以牵引。UPSA给出不同程度、不同方式之保守方案，且运用历史数据实施检验：究竞是哪种方案于样本外部更为可靠。历经各种流程后，它针对不同因子间的组合，对权重进行重新分配致使各组合并不会特别倚仗某一个看上去美观，然而兴许仅仅由于运气好而已的，曾有的信号产生过度凭借现象。

UPSA看上去仅仅是个投资组合算法，然而生成之际极容易“踩坑”，具体有：哪个公式属于优化目标，哪些权重只是中间变量，样本外日期怎样对齐，加多少杠杆。只要有一个地方理解错误，那么最后的回撤以及净值都会相差许多。所要做的事情便是、把这些容易被人以及模型误读的细节进行定位，去检查是否对齐，以此保证代码确实是依据论文的意思在运行。

我们运用跟论文里设定相同的数据口径，以及OOS评估窗口（Out - of -）来形成UPSA策略。将论文的OOS记作1.92，然而我们所复现的数值为1.918，偏差正好是 - 0.002，并且24个都全部得以通过，确实全部通过了呀标点符号怎么用都可以的话，这个确实全部通过了呀感觉能让人念到这儿的时候顿一下呢。

在同一样例之上，其他 agent 的常见失败多源于金融语义层，其一，论文脚注里方差归一化的自定义有误，致使数值普遍于 1.36 上下波动；其二，full和OOS两者搞混了，遂被径直稀释至0。014；其三，虽说思路大体明晰，然ridge space的全局维度差错致后续矩阵结构整体失控，等等、 ；”的整体偏差，造成常见之主要常见失败。

此外，它是唯一一个在论文结果复现方面达成正确数量等级、且经由完整验证的实现，与此同时，它还是唯一一个把复现结果落实到可连接券商回测执行框架里的实现。我们所获取的并非一个处在计算层面的复现样例，而是一套能够持续纳入交易成本、杠杆以及保证金约束，并且朝着真实执行环境延展的策略。

总体而言，量化研究的困难之处，并非仅仅在于将想法转变为代码，乃是要把研究假设，按时段语义情况完整留存下来，将那些数据所属涵盖范围，相关交易方面的限制条件以及评估所依规标准全面给予体现才行。现下好多系统虽已能够产出看似合乎道理的策略，不过一旦步入类似于多策略的繁复重复构建、不同策略相互搭配及往后利用相关回溯进行分析检验这般更为严谨细致且正式的场景当中时，却还是欠缺对于金融这一领域内含语义的理解掌控能力的，还有从详细书面的说明到实际具体实施操作再到最后的验证所形成的完整循环流程把控之力也是短缺的哪。我们致力于解决这样的问题：将原始输入、spec、代码里的参数配置、公式、策略的数据流给予一一对应，开展细粒度考核，提示用户澄清模糊表述，借此提升生成代码正确性并且开展回测级验证。量化研究的门槛没因AI消亡，但正确运用AI的方式在发生改变。我们的目标是助力每一个有研究想法的人。