論文の概要: XALPHA: A Memory-Driven AI Quant Researcher for Hypothesis-to-Code Alpha Discovery
- arxiv url: http://arxiv.org/abs/2607.08332v2
- Date: Mon, 13 Jul 2026 07:04:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 17:47:21.268914
- Title: XALPHA: A Memory-Driven AI Quant Researcher for Hypothesis-to-Code Alpha Discovery
- Title（参考訳）: XALPHA: 仮説からコードへのアルファ発見のためのメモリ駆動型AI量子研究者
- Authors: Fengyuan Liu, Yuchen Fu, Yuqi Wang, Qi Liu,
- Abstract要約: XAlphaは、連続仮説からコードへのアルファ発見のためのメモリ駆動型AI Quant Researcherである。
報告書に基づく財務知識と、先代からの発見フィードバックと研究サイクルを統合している。
XAlphaは、単離された因子生成からアルファマイニングをクローズドループ研究プロセスに変換する。
- 参考スコア（独自算出の注目度）: 11.611093390158908
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Financial markets are noisy, non-stationary, and high-dimensional, making it difficult to discover predictive and robust trading signals. Alpha discovery has evolved from manual factor design to machine learning, evolutionary search, and recent LLM-based frameworks, improving the efficiency of factor generation, search, and evaluation. However, existing methods still mostly automate isolated steps, rather than functioning as end-to-end quant researchers that can absorb external knowledge, close the hypothesis-to-code validation loop, and learn from accumulated discovery feedback. To fill this gap, we introduce XAlpha, a memory-driven AI Quant Researcher for continuous hypothesis-to-code alpha discovery. XAlpha maintains a multi-source research memory system that integrates report-grounded financial knowledge with discovery feedback from prior generations and research cycles. Guided by this memory system, a Macro Brain plans research themes and selects suitable Archetypes; a Micro Brain transforms the planned hypothesis pool into executable factor code and verifies ex-ante tri-alignment among the hypothesis idea, code logic, and financial plausibility; and a Cross Brain consolidates empirical outcomes into generation-level feedback, cycle-level summaries, and archetype-level research cues for future exploration. In this way, XAlpha turns alpha mining from isolated factor generation into a closed-loop research process that continuously reads, hypothesizes, implements, validates, reflects, and evolves. Experiments on CSI300 show that XAlpha achieves stronger overall alpha discovery performance than representative baselines.
- Abstract（参考訳）: 金融市場は騒々しく、非定常的で、高次元であり、予測的かつ堅牢なトレーディングシグナルを見つけることは困難である。
アルファ発見は、手動のファクタ設計から機械学習、進化的検索、そして最近のLLMベースのフレームワークへと進化し、因子生成、探索、評価の効率を改善した。
しかし、既存の手法は、外部知識を吸収し、仮説からコードへの検証ループを閉じ、蓄積された発見フィードバックから学ぶことができるエンドツーエンド量子研究者として機能するよりも、分離されたステップを自動化することがほとんどである。
このギャップを埋めるために、連続仮説からコードへのアルファ発見のためのメモリ駆動型AI Quant ResearcherであるXAlphaを紹介する。
XAlphaは、レポートグラウンドの財務知識と、以前の世代や研究サイクルからの発見フィードバックを統合するマルチソース研究メモリシステムを維持している。
マイクロブレインは計画された仮説プールを実行可能な因子コードに変換し、仮説のアイデア、コードロジック、ファイナンシャル・プラウシビリティの3つのアライメントを検証し、クロスブレインは経験結果を世代レベルのフィードバック、サイクルレベルのサマリー、アーキタイプレベルの研究キューに集約する。
このようにして、XAlphaは、単離された因子の生成からアルファマイニングをクローズドループの研究プロセスに変え、継続的に読み出し、仮説を立て、実装し、検証し、反射し、進化させる。
CSI300の実験では、XAlphaは代表ベースラインよりも全体的なアルファ発見性能が高いことが示されている。
関連論文リスト
- AlphaMemo: Structured Search-Process Memory for Self-Evolving Alpha Mining Agents [87.95001910627825]
AlphaMemoは、Structured Search-Process Memoryを備えた自己進化型アルファマイニングエージェントである。
編集モチーフが機能するか、特定の親要素コンテキストで失敗するかに関する再利用可能な証拠を記録する。
CSI 500とS&P 500の実験では、サンプル外性能と固定予算発見効率が改善された。
論文 参考訳（メタデータ） (2026-05-26T15:48:09Z) - AlphaPROBE: Alpha Mining via Principled Retrieval and On-graph biased evolution [11.490182876149062]
DAG(Directed Acyclic Graph)の戦略的ナビゲーションとしてアルファマイニングを再構成するフレームワークであるAlphaPROBEを紹介する。
要素をノードとして、進化リンクをエッジとしてモデル化することで、AlphaPROBEはファクタプールを動的に相互接続されたエコシステムとして扱う。
その結果,グローバルな進化的トポロジを活用することは,効率的かつ堅牢な自動アルファ発見に不可欠であることが確認された。
論文 参考訳（メタデータ） (2026-02-12T13:14:58Z) - HiSciBench: A Hierarchical Multi-disciplinary Benchmark for Scientific Intelligence from Reading to Discovery [50.8841471967624]
HiSciBenchは、完全な科学的ワークフローを反映した5つのレベルにわたる基礎モデルを評価するために設計された階層的なベンチマークである。
HiSciBenchには、6つの主要な科学分野にまたがる8,735件の慎重に管理された事例が含まれている。
論文 参考訳（メタデータ） (2025-12-28T12:08:05Z) - ThetaEvolve: Test-time Learning on Open Problems [110.5756538358217]
In-context LearningとReinforcement Learning(RL)の両方をテスト時に効率的にスケールするために、AlphaEvolveを単純化し拡張するオープンソースのフレームワークであるThetaEvolveを紹介します。
テスト時にRLを使用するThetaEvolveは、推論のみのベースラインよりも一貫して優れています。
論文 参考訳（メタデータ） (2025-11-28T18:58:14Z) - 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) - Open-ended Scientific Discovery via Bayesian Surprise [63.26412847240136]
AutoDSは、ベイジアン・サプライズを用いた科学探査を駆動する、オープンエンドの科学的発見の方法である。
我々はAutoDSを、生物学、経済学、金融学、行動科学といった21の領域にまたがる実世界のデータセットにまたがるデータ駆動ディスカバリの設定で評価する。
論文 参考訳（メタデータ） (2025-06-30T22:53:59Z) - 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) - TimeHC-RL: Temporal-aware Hierarchical Cognitive Reinforcement Learning for Enhancing LLMs' Social Intelligence [62.21106561772784]
時空間認識型階層型認知強化学習(TimeHC-RL)を導入し,大規模言語モデルの社会的知性を高める。
実験の結果, 広く採用されているSystem 2 RL法と比較して, 提案したTimeHC-RL法の方が優れていることがわかった。
7Bのバックボーンモデルウィングが提供され、DeepSeek-R1やOpenAI-O3といった高度なモデルのパフォーマンスに匹敵する。
論文 参考訳（メタデータ） (2025-05-30T12:01:06Z) - Sparks: Multi-Agent Artificial Intelligence Model Discovers Protein Design Principles [0.0]
私たちは、発見サイクル全体を実行するマルチモーダルなマルチエージェントAIモデルであるSparksを紹介します。
火花は独自に厳密な科学的調査を行い、これまで知られていなかった科学的原則を特定できる。
論文 参考訳（メタデータ） (2025-04-26T20:43:28Z) - $\text{Alpha}^2$: 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)
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。