論文の概要: AlphaEval: A Comprehensive and Efficient Evaluation Framework for Formula Alpha Mining

• arxiv url: http://arxiv.org/abs/2508.13174v1
• Date: Sun, 10 Aug 2025 11:19:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-20 15:36:31.625788
• Title: AlphaEval: A Comprehensive and Efficient Evaluation Framework for Formula Alpha Mining
• Title（参考訳）: AlphaEval: フォーミュラアルファマイニングのための総合的で効率的な評価フレームワーク
• Authors: Hongjun Ding, Binqi Chen, Jinsheng Huang, Taian Guo, Zhengyang Mao, Guoyi Shao, Lutong Zou, Luchen Liu, Ming Zhang,
• Abstract要約: 金融データから予測信号を生成するフォーミュラアルファマイニングは、量的投資に不可欠である。 既存の評価指標には、主にバックテストと相関ベースの測定が含まれている。 自動アルファマイニングモデルのための統一的で並列化可能なバックテストフリー評価フレームワークであるAlphaEvalを提案する。
• 参考スコア（独自算出の注目度）: 6.167227740097627
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Formula alpha mining, which generates predictive signals from financial data, is critical for quantitative investment. Although various algorithmic approaches-such as genetic programming, reinforcement learning, and large language models-have significantly expanded the capacity for alpha discovery, systematic evaluation remains a key challenge. Existing evaluation metrics predominantly include backtesting and correlation-based measures. Backtesting is computationally intensive, inherently sequential, and sensitive to specific strategy parameters. Correlation-based metrics, though efficient, assess only predictive ability and overlook other crucial properties such as temporal stability, robustness, diversity, and interpretability. Additionally, the closed-source nature of most existing alpha mining models hinders reproducibility and slows progress in this field. To address these issues, we propose AlphaEval, a unified, parallelizable, and backtest-free evaluation framework for automated alpha mining models. AlphaEval assesses the overall quality of generated alphas along five complementary dimensions: predictive power, stability, robustness to market perturbations, financial logic, and diversity. Extensive experiments across representative alpha mining algorithms demonstrate that AlphaEval achieves evaluation consistency comparable to comprehensive backtesting, while providing more comprehensive insights and higher efficiency. Furthermore, AlphaEval effectively identifies superior alphas compared to traditional single-metric screening approaches. All implementations and evaluation tools are open-sourced to promote reproducibility and community engagement.
• Abstract（参考訳）: 金融データから予測信号を生成するフォーミュラアルファマイニングは、量的投資に不可欠である。 遺伝的プログラミングや強化学習,大規模言語モデルといったアルゴリズムによるアプローチは,アルファ発見の能力を大幅に拡大したものの,体系的な評価は依然として重要な課題である。 既存の評価指標には、主にバックテストと相関ベースの測定が含まれている。 バックテストは計算集約的で、本質的にシーケンシャルであり、特定の戦略パラメータに敏感である。 相関ベースのメトリクスは効率的ではあるが、予測能力のみを評価し、時間的安定性、堅牢性、多様性、解釈可能性といった他の重要な特性を見落としている。 さらに、既存のほとんどのアルファマイニングモデルのクローズソース性は再現性を妨げ、この分野の進歩を遅らせる。 これらの問題に対処するために、自動アルファマイニングモデルのための統一的で並列化可能でバックテスト不要な評価フレームワークであるAlphaEvalを提案する。 AlphaEvalは、予測力、安定性、市場の摂動に対する堅牢性、金融論理、多様性の5つの相補的な次元に沿って生成されたアルファの全体的な品質を評価する。 代表的なアルファマイニングアルゴリズムの広範な実験により、AlphaEvalは総合的なバックテストに匹敵する評価一貫性を達成し、より包括的な洞察と高い効率を提供することを示した。 さらに、AlphaEvalは従来のシングルメトリックスクリーニング手法と比較して、優れたアルファを効果的に識別する。 すべての実装と評価ツールは、再現性とコミュニティの関与を促進するためにオープンソース化されている。

関連論文リスト

• AlphaAgent: LLM-Driven Alpha Mining with Regularized Exploration to Counteract Alpha Decay [43.50447460231601]
  我々は,大規模言語モデルとアドホック正規化を統合し,崩壊耐性アルファ因子をマイニングする自律的フレームワークであるAlphaAgentを提案する。 AlphaAgentは、中国CSI 500と米国S&P 500市場で、過去4年間で引き続き重要なアルファ版を提供している。 特にAlphaAgentは、アルファ崩壊に対する顕著な抵抗を示し、強力な要因をもたらす可能性を高めている。
  論文  参考訳（メタデータ） (2025-02-24T02:56:46Z)
• AlphaForge: A Framework to Mine and Dynamically Combine Formulaic Alpha Factors [14.80394452270726]
  本稿では,アルファ因子マイニングと因子組み合わせのための2段階のアルファ生成フレームワークAlphaForgeを提案する。 実世界のデータセットを用いて行った実験により,我々の提案したモデルは,定式的アルファファクターマイニングにおいて,同時代のベンチマークより優れていることが示された。
  論文  参考訳（メタデータ） (2024-06-26T14:34:37Z)
• Position: AI Evaluation Should Learn from How We Test Humans [65.36614996495983]
  人間の評価のための20世紀起源の理論である心理測定は、今日のAI評価における課題に対する強力な解決策になり得る、と我々は主張する。
  論文  参考訳（メタデータ） (2023-06-18T09:54:33Z)
• On the Robustness of Aspect-based Sentiment Analysis: Rethinking Model, Data, and Training [109.9218185711916]
  アスペクトベースの感情分析(ABSA)は、ソーシャルメディアのテキストやレビューの背後にある製品やサービスの特定の側面に対して、特定の感情の極性を自動的に推測することを目的としている。 我々は、モデル、データ、トレーニングを含むあらゆる可能な角度からボトルネックを体系的に再考することで、ABSAの堅牢性を高めることを提案する。
  論文  参考訳（メタデータ） (2023-04-19T11:07:43Z)
• Uncertainty Quantification for Deep Context-Aware Mobile Activity Recognition and Unknown Context Discovery [85.36948722680822]
  我々はα-βネットワークと呼ばれる深層モデルのコンテキスト認識混合を開発する。 高レベルの文脈を識別することで、精度とFスコアを10%向上させる。 トレーニングの安定性を確保するために、公開データセットと社内データセットの両方でクラスタリングベースの事前トレーニングを使用しました。
  論文  参考訳（メタデータ） (2020-03-03T19:35:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。