聚焦量化研究参考系列之一:QuantaAlpha,用大模型做量化因子挖掘。实证结果:论文实验以沪深 300 为核心标的,采用 GPT-5.2 进行回测,结果显示其在年化收益、ICIR 及回撤控制上均大幅超越 Alpha158 等基准;将因子直接应用于中证 500 与标普 500,四年累计超额收益达 130%–160%,跨市场表现极强。团队复现方面,我们修正了原始数据划分可能存在的泄露问题,使用通义千问基于 13 个价量方向挖掘出 21 个因子,在严格样本外验证中,因子虽具备一定选股能力,但ICIR 偏低、组合波动较大,信号尚显稚嫩。对比论文挖掘 350 个因子的规模,当前挖掘量与迭代轮次存在显著差距,这也是目前超额收益与稳定性不足的核心原因,后续需扩大挖掘规模以进一步提纯因子。
聚焦量化研究参考系列之一:QuantaAlpha,用大模型做量化因子挖掘。实证结果:论文实验以沪深 300 为核心标的,采用 GPT-5.2 进行回测,结果显示其在年化收益、ICIR 及回撤控制上均大幅超越 Alpha158 等基准;将因子直接应用于中证 500 与标普 500,四年累计超额收益达 130%–160%,跨市场表现极强。团队复现方面,我们修正了原始数据划分可能存在的泄露问题,使用通义千问基于 13 个价量方向挖掘出 21 个因子,在严格样本外验证中,因子虽具备一定选股能力,但ICIR 偏低、组合波动较大,信号尚显稚嫩。对比论文挖掘 350 个因子的规模,当前挖掘量与迭代轮次存在显著差距,这也是目前超额收益与稳定性不足的核心原因,后续需扩大挖掘规模以进一步提纯因子。
聚焦量化研究参考系列之一:QuantaAlpha,用大模型做量化因子挖掘。实证结果:论文实验以沪深 300 为核心标的,采用 GPT-5.2 进行回测,结果显示其在年化收益、ICIR 及回撤控制上均大幅超越 Alpha158 等基准;将因子直接应用于中证 500 与标普 500,四年累计超额收益达 130%–160%,跨市场表现极强。团队复现方面,我们修正了原始数据划分可能存在的泄露问题,使用通义千问基于 13 个价量方向挖掘出 21 个因子,在严格样本外验证中,因子虽具备一定选股能力,但ICIR 偏低、组合波动较大,信号尚显稚嫩。对比论文挖掘 350 个因子的规模,当前挖掘量与迭代轮次存在显著差距,这也是目前超额收益与稳定性不足的核心原因,后续需扩大挖掘规模以进一步提纯因子。核心数据:将因子直接应用于中证 500 与标普 500,四年累计超额收益达 130%–160%,跨市场表现极强。
本报告由东方证券发布,发布于 2026 年。
覆盖 2026 年,全文共 14 页。
本报告为付费报告,可在资料宝站内下单后获取完整内容。
适合投资人等读者参考。
重点分析了大模型、量化、智能体、算法等议题。