論文の概要: Alpha Discovery via Grammar-Guided Learning and Search

• arxiv url: http://arxiv.org/abs/2601.22119v1
• Date: Thu, 29 Jan 2026 18:46:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-30 16:22:50.086657
• Title: Alpha Discovery via Grammar-Guided Learning and Search
• Title（参考訳）: 文法誘導学習と探索によるアルファ発見
• Authors: Han Yang, Dong Hao, Zhuohan Wang, Qi Shi, Xingtong Li,
• Abstract要約: 我々はα因子の定義と発見のための文法ベースのフレームワークであるAlphaCFGを提案する。 AlphaCFGは、木構造、サイズ制御された検索空間を定義するために、α指向の文脈自由文法を使用する。 中国と米国の株式市場のデータセットの実験によると、AlphaCFGは検索効率と取引収益性の両方において最先端のベースラインを上回っている。
• 参考スコア（独自算出の注目度）: 8.773818810967985
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automatically discovering formulaic alpha factors is a central problem in quantitative finance. Existing methods often ignore syntactic and semantic constraints, relying on exhaustive search over unstructured and unbounded spaces. We present AlphaCFG, a grammar-based framework for defining and discovering alpha factors that are syntactically valid, financially interpretable, and computationally efficient. AlphaCFG uses an alpha-oriented context-free grammar to define a tree-structured, size-controlled search space, and formulates alpha discovery as a tree-structured linguistic Markov decision process, which is then solved using a grammar-aware Monte Carlo Tree Search guided by syntax-sensitive value and policy networks. Experiments on Chinese and U.S. stock market datasets show that AlphaCFG outperforms state-of-the-art baselines in both search efficiency and trading profitability. Beyond trading strategies, AlphaCFG serves as a general framework for symbolic factor discovery and refinement across quantitative finance, including asset pricing and portfolio construction.
• Abstract（参考訳）: 定式的アルファ因子の自動発見は、量的金融の中心的な問題である。 既存の手法はしばしば構文的制約や意味的制約を無視し、非構造空間や非有界空間に対する徹底的な探索に依存している。 我々は、構文的に有効で、経済的に解釈可能で、計算的に効率的であるアルファ因子を定義し、発見するための文法ベースのフレームワークであるAlphaCFGを提案する。 AlphaCFGは、木構造、サイズ制御された検索空間を定義するために、α指向の文脈自由文法を使用し、α発見を木構造言語マルコフ決定プロセスとして定式化し、文法を意識したモンテカルロ木探索を用いて、構文に敏感な値とポリシーネットワークによって解決する。 中国と米国の株式市場のデータセットの実験によると、AlphaCFGは検索効率と取引収益性の両方において最先端のベースラインを上回っている。 トレーディング戦略の他に、AlphaCFGは資産価格やポートフォリオ構築を含む量的金融の象徴的要因の発見と改善のための一般的な枠組みとして機能する。

関連論文リスト

• Alpha-R1: Alpha Screening with LLM Reasoning via Reinforcement Learning [28.326583684637853]
  信号の崩壊と政権交代は、非定常市場におけるデータ駆動型投資戦略に繰り返し挑戦する。 既存の因子ベースの手法は、アルファを数値時系列に還元し、ある因子が経済的に関係しているかどうかを決定する意味論的論理を見渡すのが一般的である。 文脈認識型アルファスクリーニングのための強化学習により訓練された8Bパラメータ推論モデルであるAlpha-R1を提案する。
  論文  参考訳（メタデータ） (2025-12-29T14:50:23Z)
• Cognitive Alpha Mining via LLM-Driven Code-Based Evolution [29.71597480304934]
  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。
  論文  参考訳（メタデータ） (2025-11-24T07:45:59Z)
• Context-Aware Hierarchical Taxonomy Generation for Scientific Papers via LLM-Guided Multi-Aspect Clustering [59.54662810933882]
  既存の分類体系の構築手法は、教師なしクラスタリングや大きな言語モデルの直接的プロンプトを利用しており、コヒーレンスと粒度の欠如が多かった。 LLM誘導型マルチアスペクト符号化と動的クラスタリングを統合したコンテキスト対応階層型階層型分類生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-23T15:12:58Z)
• Disambiguation in Conversational Question Answering in the Era of LLMs and Agents: A Survey [54.90240495777929]
  自然言語処理(NLP)におけるあいまいさは依然として根本的な課題である LLM(Large Language Models)の出現により、あいまいさに対処することがさらに重要になった。 本稿では,言語駆動システムにおけるあいまいさの定義,形態,含意について考察する。
  論文  参考訳（メタデータ） (2025-05-18T20:53:41Z)
• 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)
• Decision Tree Induction Through LLMs via Semantically-Aware Evolution [53.0367886783772]
  遺伝的プログラミング(GP)に基づく決定木誘導のための進化的最適化手法を提案する。 私たちの重要なイノベーションは、セマンティックな事前情報と、検索空間に関するドメイン固有の知識をアルゴリズムに統合することです。 これは、構造化された自然言語プロンプトを扱う新しい遺伝子操作子によって操作される。
  論文  参考訳（メタデータ） (2025-03-18T12:52:03Z)
• Synergistic Formulaic Alpha Generation for Quantitative Trading based on Reinforcement Learning [1.3194391758295114]
  本稿では,既存のアルファファクタマイニング手法を探索空間を拡張して拡張する手法を提案する。 モデルの性能評価指標として,情報係数 (IC) とランク情報係数 (Rank IC) を用いる。
  論文  参考訳（メタデータ） (2024-01-05T08:49:13Z)
• DIVKNOWQA: Assessing the Reasoning Ability of LLMs via Open-Domain Question Answering over Knowledge Base and Text [73.68051228972024]
  大きな言語モデル(LLM)は印象的な生成能力を示すが、内部知識に依存すると幻覚に悩まされる。 検索拡張LDMは、外部知識においてLLMを基盤とする潜在的な解決策として出現している。
  論文  参考訳（メタデータ） (2023-10-31T04:37:57Z)
• Towards Verifiable Generation: A Benchmark for Knowledge-aware Language Model Attribution [48.86322922826514]
  本稿では,知識認識型言語モデル属性(KaLMA)の新たな課題について述べる。 まず、属性のソースを構造化されていないテキストから知識グラフ(KG)に拡張し、そのリッチな構造は属性のパフォーマンスと作業シナリオの両方に役立ちます。 第2に,不完全な知識リポジトリを考慮した「意識的非能力」の設定を提案する。 第3に,テキスト品質,引用品質,引用アライメントを含む総合的な自動評価指標を提案する。
  論文  参考訳（メタデータ） (2023-10-09T11:45:59Z)

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。