中金公司AI量化：大模型挖掘因子新范式会议纪要

发布时间：2026-08-06 一、核心要点 1. 本次为中金公司闭门会议，仅限受邀嘉宾，内容仅供参考不构成投资建议，违规传播需承担法律责任。 2. 核心议题为大模型在量化投资中从单工具向多智能体协作跃迁，需平衡创造力与量化严谨性，产出具备经济逻辑、可解释、可回测的阿尔法因子。 3. 多智能体辩论基本面阿尔法因子探索采用两个低相关视角的Agent辩论，搭配代码验证Agent辅助，前期放开搜索空间，后期加入弱相关性约束，可生成44个低相关复合因子，对比单一Agent，产出有效因子效率更高、稳定性更强，部分复合因子多头年化超额近10%。 4. Loop Engineering自动化因子发现引擎基于代码内置Loop架构，针对量价因 子挖掘，采用生成-审查-验证三步循环框架，通过5种生成方式+高频结构规避机制提升效率，生成因子具备明确经济学意义，2026年复合因子多头超额达19.9%，相较于传统方法，可避免局部最优，因子挖掘更高效。 5. 本次研究聚焦AI量化领域，探索大模型用于挖掘因子的新范式，核心是保证环节独立性以避免智能体自我验证导致的幻觉风险，设置hoax/监控机制复盘因子库状态。 6. 因子生成需平衡优化现有（exploit）与探索新方向（explore），研究采用五大方式实现平衡，同时设置频繁子结构规避机制提升搜索效率，降低重复生成概率。 7. 实验运行600轮、测试1.5万余个因子，最终入库69个21大类因子，入库率呈脉冲式特征 ；研究要求符合11项筛选标准，挖掘的因子可解释性较强，具备明确经济学含义，如跳空溢价类因子表现突出。 8. 优选因子在2025-2026年有连续正超额，多因子复合年化超额达10%以上、超额夏普超 二、风险与关注 1. 智能体协作中需平衡创造力与量化严谨性，避免因智能体协作不足或约束设置不当导致因子质量下降。 2. 因子挖掘过程中存在自我验证产生幻觉的风险，需通过环节独立性设置及监控机制加以防控。 3. 若搜索空间约束设置不合理，可能影响低相关复合因子的生成，进而降低因子有效性与稳定性。 三、后续关注点 1. 会后投资者可关注中金公司公众号或登录进门APP领取会员获取更多会议相关内容。2. 可关注大模型挖掘因子新范式在其他领域因子挖掘中的实际应用效果。3. 可跟踪优选因子在未来市场中的表现，验证其抗过拟合及规避风格切换负面影响的能力。