利用大型语言模型在量化投资中实现自动化策略

“Automate Strategy Finding with LLM in Quant investment”

论文地址：https://arxiv.org/pdf/2409.06289

摘要

这个新提出的量化股票投资框架，利用大型语言模型（LLMs）与多智能体系统相结合的方法，通过LLMs从包括数字、文本及图像在内的多种金融数据中识别alpha因子。同时，该框架通过集成学习创建了一个由多个交易智能体组成的群体，旨在提升整体策略的效果。特别之处在于，它采用了一种动态权重门控机制，依据市场的实时变化挑选并配置最匹配的智能体，从而确保投资策略能够灵活适应市场环境，并具备情境感知能力以生成复合alpha公式。

实验结果显示，此方法在中国股市的表现显著超越现有基准，彰显了结合LLM生成的alpha因子与多智能体架构在实现优异交易成绩和稳定性方面的有效性。这突显了AI驱动策略在提升量化投资表现上的潜力，并为整合先进机器学习技术至金融交易中设定了新的标准。

简介

全球替代数据市场的价值持续攀升，吸引了众多投资者寻求获利机会。随着量化交易的进步，金融数据分析的能力得到了增强，尤其是Alpha挖掘方面，即识别和优化预测信号变得尤为重要。然而，传统方法显得不够灵活，难以适应市场的动态变化；数据的多样性和整合问题也对Alpha因子的挖掘构成了挑战。此外，如何有效应对市场变化是另一个关键难题，因此深度学习方法被越来越多地用于市场预测和策略制定。

本文介绍了一种创新的自动化策略发现框架，该框架基于大型语言模型构建，涵盖了灵活的Alpha因子挖掘、多智能体支持的多模态市场评估以及动态策略优化三个核心部分。通过融合机器学习与金融领域的尖端技术，此框架能够在多个资产类别中识别并优化Alpha策略。它还特别设计有增量更新功能和能适应不同市场环境的动态权重分配机制。其主要贡献在于࿱