論文の概要: Cognitive Alpha Mining via LLM-Driven Code-Based Evolution

• arxiv url: http://arxiv.org/abs/2511.18850v1
• Date: Mon, 24 Nov 2025 07:45:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:25.08857
• Title: Cognitive Alpha Mining via LLM-Driven Code-Based Evolution
• Title（参考訳）: LLM駆動型コードベース進化による認知的アルファマイニング
• Authors: Fengyuan Liu, Huang Yi, Sichun Luo, Yuqi Wang, Yazheng Yang, Xinye Li, Zefa Hu, Junlan Feng, Qi Liu,
• Abstract要約: 我々は,コードレベルのアルファ表現とLLMによる推論と進化的探索を組み合わせた認知的アルファマイニングフレームワーク(CogAlpha)を紹介する。 LLMを適応認知エージェントとして扱うことで、我々のフレームワークは、プロンプトや金銭的フィードバックを通じて、アルファ候補を反復的に洗練し、変異し、再結合します。 A-共有平衡の実験は、CogAlphaが既存の方法よりも優れた予測精度、堅牢性、一般化を持つアルファを一貫して発見することを示した。
• 参考スコア（独自算出の注目度）: 29.71597480304934
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Discovering effective predictive signals, or ``alphas,'' from financial data with high dimensionality and extremely low signal-to-noise ratio remains a difficult open problem. Despite progress in deep learning, genetic programming, and, more recently, large language model (LLM)--based factor generation, existing approaches still explore only a narrow region of the vast alpha search space. Neural models tend to produce opaque and fragile patterns, while symbolic or formula-based methods often yield redundant or economically ungrounded expressions that generalize poorly. Although different in form, these paradigms share a key limitation: none can conduct broad, structured, and human-like exploration that balances logical consistency with creative leaps. To address this gap, we introduce the Cognitive Alpha Mining Framework (CogAlpha), which combines code-level alpha representation with LLM-driven reasoning and evolutionary search. Treating LLMs as adaptive cognitive agents, our framework iteratively refines, mutates, and recombines alpha candidates through multi-stage prompts and financial feedback. This synergistic design enables deeper thinking, richer structural diversity, and economically interpretable alpha discovery, while greatly expanding the effective search space. Experiments on A-share equities demonstrate that CogAlpha consistently discovers alphas with superior predictive accuracy, robustness, and generalization over existing methods. Our results highlight the promise of aligning evolutionary optimization with LLM-based reasoning for automated and explainable alpha discovery. All source code will be released.
• Abstract（参考訳）: 高次元かつ極めて低い信号-雑音比を持つ財務データから効果的な予測信号、すなわち 'alphas' を発見することは、難しい問題である。 ディープラーニング、遺伝的プログラミング、そして最近では、大規模言語モデル(LLM)に基づく因子生成の進歩にもかかわらず、既存のアプローチは依然として広大なアルファ検索空間の狭い領域のみを探索している。 ニューラルモデルは不透明で脆弱なパターンを生成する傾向があり、一方で記号的あるいは公式に基づく手法は、しばしば冗長あるいは経済的に非基底的な表現をもたらし、一般化が不十分である。 形式は異なるが、これらのパラダイムは重要な制限を共有している: 創造的な飛躍と論理的な一貫性のバランスをとる、広く、構造化され、人間のような探索を行うことはできない。 このギャップに対処するために、コードレベルのアルファ表現とLLM駆動推論と進化探索を組み合わせたCogAlpha(CogAlpha)を導入する。 LLMを適応認知エージェントとして扱うことで、我々のフレームワークは、多段階のプロンプトと財政的フィードバックを通じて、アルファ候補を反復的に洗練し、変異し、再結合する。 この相乗的設計は、より深い思考、よりリッチな構造的多様性、経済的に解釈可能なアルファ発見を可能にしながら、効果的な検索空間を大きく拡張する。 A-共有平衡の実験は、CogAlphaが既存の方法よりも優れた予測精度、堅牢性、一般化を持つアルファを一貫して発見することを示した。 この結果から, 自動的かつ説明可能なアルファ発見のためのLLMに基づく推論と進化的最適化の整合性を強調した。 すべてのソースコードがリリースされる。

関連論文リスト

• Emergent Hierarchical Reasoning in LLMs through Reinforcement Learning [56.496001894673235]
  強化学習(RL)は,大規模言語モデル(LLM)の複雑な推論能力の向上に有効であることが証明された。 解析の結果,アハモーメント,長さスケーリング,エントロピーのダイナミクスといったファズリング現象は異なる現象ではなく,創発的推論階層の目印であることがわかった。
  論文  参考訳（メタデータ） (2025-09-03T18:52:49Z)
• AlphaEvolve: A coding agent for scientific and algorithmic discovery [63.13852052551106]
  我々は,最先端LLMの能力を大幅に向上させる進化的符号化エージェントAlphaEvolveを提案する。 AlphaEvolveはLLMの自律パイプラインを編成し、そのタスクはコードを直接変更することでアルゴリズムを改善することである。 本稿では,多くの重要な計算問題に適用することで,このアプローチの広範な適用性を実証する。
  論文  参考訳（メタデータ） (2025-06-16T06:37:18Z)
• Navigating the Alpha Jungle: An LLM-Powered MCTS Framework for Formulaic Factor Mining [8.53606484300001]
  本稿では,大規模言語モデル (LLM) とモンテカルロ木探索 (MCTS) を統合する新しいフレームワークを提案する。 重要な革新は、MCTS探究のガイダンスであり、各候補因子の金銭的バックテストから、豊かで定量的なフィードバックによってである。 実世界の株式市場データによる実験結果から, LLMをベースとしたフレームワークは, 予測精度と取引性能に優れたアルファをマイニングすることにより, 既存手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2025-05-16T11:14:17Z)
• Towards Understanding How Knowledge Evolves in Large Vision-Language Models [55.82918299608732]
  我々はマルチモーダル知識がどのように進化し、最終的にLVLM(Large Vision-Language Models)において自然言語を誘導するかを考察する。 知識進化における2つの重要なノードを同定する: 臨界層と突然変異層、進化過程を3段階に分割する: 急速な進化、安定化、突然変異。 我々の研究は、LVLMにおける知識進化の軌跡を初めて明らかにし、その基盤となるメカニズムを理解するための新たな視点を提供する。
  論文  参考訳（メタデータ） (2025-03-31T17:35:37Z)
• 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)
• $\text{Alpha}^2$: Discovering Logical Formulaic Alphas using Deep Reinforcement Learning [28.491587815128575]
  深部強化学習(DRL)を用いたアルファ発見のための新しい枠組みを提案する。 DRLでガイドされた探索アルゴリズムは、潜在的なアルファ結果の値推定に基づいて探索空間をナビゲートする。 実世界の株式市場での実証実験は、さまざまな論理的かつ効果的なアルファを識別するtextAlpha2$の能力を実証している。
  論文  参考訳（メタデータ） (2024-06-24T10:21:29Z)
• When Large Language Models Meet Evolutionary Algorithms: Potential Enhancements and Challenges [50.280704114978384]
  事前訓練された大規模言語モデル(LLM)は、自然なテキストを生成する強力な能力を示す。 進化的アルゴリズム(EA)は、複雑な現実世界の問題に対する多様な解決策を発見できる。
  論文  参考訳（メタデータ） (2024-01-19T05:58:30Z)

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。