行业研究报告

大语言模型投研应用:构建全自动的因子挖掘AI智能体

2026-06AI大模型22广发证券

聚焦大语言模型投研应用:构建全自动的因子挖掘AI智能体。比如,近期论文“Cognitive Alpha Mining via LLM-Driven Code-Based Evolution” 提出了一种结合大语言模型与进化计算的因子挖掘框架,通过七级智能体多层次结构、多样化生成提示、多智能体质量检查器、适应度评估及思维进化等组件,实现了可解释、稳健且多样化的 Alpha 因子全自动挖掘。结果表明,在沪深全市场范围内以 10 个交易日作为换仓周期,DeepSeekv4-pro 生成的因子 IC 均值为 2.15%,Qwen3-VL-235B 生成的因子 IC 均值为 2.95%。

报告摘要

聚焦大语言模型投研应用:构建全自动的因子挖掘AI智能体。比如,近期论文“Cognitive Alpha Mining via LLM-Driven Code-Based Evolution” 提出了一种结合大语言模型与进化计算的因子挖掘框架,通过七级智能体多层次结构、多样化生成提示、多智能体质量检查器、适应度评估及思维进化等组件,实现了可解释、稳健且多样化的 Alpha 因子全自动挖掘。结果表明,在沪深全市场范围内以 10 个交易日作为换仓周期,DeepSeekv4-pro 生成的因子 IC 均值为 2.15%,Qwen3-VL-235B 生成的因子 IC 均值为 2.95%。

核心要点

  1. 内容概览:智能体技术与应用方向
  2. 产业生态与需求变化
  3. 发展趋势与关注要点

报告信息

文件全名
《大语言模型投研应用:构建全自动的因子挖掘AI智能体-260607-广发证券-22页.pdf》
适合读者
战略规划产品经理行业研究员
核心数据
  1. 结果表明,在沪深全市场范围内以 10 个交易日作为换仓周期,DeepSeekv4-pro 生成的因子 IC 均值为 2.15%,Qwen3-VL-235B 生成的因子 IC 均值为 2.95%
核心议题
智能体AI大语言模型投研应用

常见问题

《大语言模型投研应用:构建全自动的因子挖掘AI智能体》主要包含哪些内容?

聚焦大语言模型投研应用:构建全自动的因子挖掘AI智能体。比如,近期论文“Cognitive Alpha Mining via LLM-Driven Code-Based Evolution” 提出了一种结合大语言模型与进化计算的因子挖掘框架,通过七级智能体多层次结构、多样化生成提示、多智能体质量检查器、适应度评估及思维进化等组件,实现了可解释、稳健且多样化的 Alpha 因子全自动挖掘。结果表明,在沪深全市场范围内以 10 个交易日作为换仓周期,DeepSeekv4-pro 生成的因子 IC 均值为 2.15%,Qwen3-VL-235B 生成的因子 IC 均值为 2.95%。核心数据:结果表明,在沪深全市场范围内以 10 个交易日作为换仓周期,DeepSeekv4-pro 生成的因子 IC 均值为 2.15%,Qwen3-VL-235B 生成的因子 IC 均值为 2.95%。

这份报告由哪家机构发布?

本报告由广发证券发布,发布于 2026 年。

这份报告覆盖哪一年、篇幅多大?

覆盖 2026 年,全文约 22。

这份报告是免费的吗?如何获取?

本报告为付费报告,可在资料宝站内下单后获取完整内容。

这份报告适合哪些读者?

适合战略规划、产品经理、行业研究员等读者参考。

报告涉及哪些关键议题?

重点分析了智能体、AI、大语言模型投研应用等议题。

继续阅读

同分类报告

查看全部 →
📱 登录