論文の概要: Towards Autonomous Formulaic Alpha Discovery: An Evolutionary Computation Perspective
- arxiv url: http://arxiv.org/abs/2608.01789v1
- Date: Mon, 03 Aug 2026 07:02:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.365299
- Title: Towards Autonomous Formulaic Alpha Discovery: An Evolutionary Computation Perspective
- Title（参考訳）: 自律型フォーミュラアルファ発見に向けて:進化的計算の視点から
- Abstract要約: 本稿では、自動定式化アルファ発見における統合進化計算(EC)の視点を紹介する。
6成分分析フレームワークが開発され、表現、変動、フィットネス評価、選択、記憶、適応を通じて既存の手法を特徴付ける。
探索効率, 適合性信頼性, 残留アルファ品質, 経済多様性, トレーダビリティ, 進化的自律性, 非定常性, 堅牢性などの8次元的自律性評価フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 16.341787096684026
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automated formulaic alpha discovery aims to generate predictive and interpretable trading signals from large symbolic factor spaces. Its effectiveness is constrained by noisy fitness estimates, market nonstationarity, costly backtesting, semantic redundancy, and conflicting practical objectives. Existing studies employ diverse techniques, including genetic programming (GP), evolutionary algorithms (EAs), reinforcement learning (RL), generative flow networks (GFlowNets), Monte Carlo tree search (MCTS), large language models (LLMs), and agentic workflows, but generally examine them as separate algorithmic families. This article introduces, for the first time, a unified evolutionary computation (EC) perspective on automated formulaic alpha discovery, formulating it as a noisy, dynamic, and multiobjective symbolic evolutionary optimization problem. A six-component analytical framework is developed to characterize existing methods through representation, variation, fitness evaluation, selection, memory, and adaptation. Furthermore, an eight-dimensional, autonomy-oriented evaluation framework is proposed, covering search efficiency, fitness reliability, residual alpha quality, economic diversity, tradability, evolutionary autonomy, robustness to nonstationarity, and reproducibility. Together, these frameworks provide a systematic foundation for unifying heterogeneous approaches, diagnosing component-level limitations, and guiding the development of reliable, adaptive, interpretable, and reproducible autonomous alpha discovery systems.
- Abstract（参考訳）: 自動定式的アルファ発見は、大きな記号的因子空間から予測的かつ解釈可能なトレーディング信号を生成することを目的としている。
その効果は、ノイズの多いフィットネス推定、市場の非定常性、コストのかかるバックテスト、セマンティックな冗長性、そして矛盾する実用的な目的によって制限されている。
既存の研究では、遺伝的プログラミング(GP)、進化的アルゴリズム(EA)、強化学習(RL)、生成フローネットワーク(GFlowNets)、モンテカルロ木探索(MCTS)、大規模言語モデル(LLMs)、エージェント的ワークフローなど、さまざまな手法が採用されているが、一般的には個別のアルゴリズムファミリーとして検討されている。
本稿は、自動定式化アルファ発見における統合進化計算(EC)の視点を初めて紹介し、これをノイズ、動的、多目的の記号的進化最適化問題として定式化する。
6成分分析フレームワークが開発され、表現、変動、フィットネス評価、選択、記憶、適応を通じて既存の手法を特徴付ける。
さらに, 探索効率, 適合性信頼性, 残留アルファ品質, 経済多様性, トレーダビリティ, 進化的自律性, 非定常性に対する堅牢性, 再現性といった8次元自律性評価フレームワークを提案する。
これらのフレームワークは、不均一なアプローチの統合、コンポーネントレベルの制限の診断、信頼性、適応性、解釈可能、再現可能な自律的アルファ発見システムの開発を導くための体系的な基盤を提供する。
関連論文リスト
- Interpretable and Fair Generalized Additive Neural Networks via Multi-objective Learning [52.66717986145448]
理解可能性と公正性は、信頼できる人工知能(AI)において最も強調される2つの次元の1つである
本稿では,ニューラルネットワーク(NN)に基づく自己解釈可能なモデルであるGAM(Generalized Additive Model)に焦点を当てる。
論文 参考訳（メタデータ） (2026-09-05T07:29:42Z) - MobEvolve: An Agentic Self-Evolving Heuristic System for Interpretable Human Mobility Generation [51.824145170051516]
MobEvolveは、人間のモビリティ生成のための自己進化フレームワークである。
エージェントを使用して、内部ロジックを反復的に進化させる。
最先端の深層生成法とLLMベースの手法を著しく上回っている。
論文 参考訳（メタデータ） (2026-06-01T03:46:25Z) - Generative Modeling in Protein Design: Neural Representations, Conditional Generation, and Evaluation Standards [3.8025175740783026]
生成モデリングはタンパク質研究の中心的なパラダイムとなっている。
この調査は、予測モデリングから信頼性の高い機能駆動タンパク質工学への移行を加速することを目的としている。
論文 参考訳（メタデータ） (2026-03-27T13:02:16Z) - 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) - Socio-cognitive agent-oriented evolutionary algorithm with trust-based optimization [70.49434432747293]
信頼に基づく最適化(TBO)は、従来の周期的移行を信頼や評価に基づく柔軟なエージェント駆動の相互作用メカニズムに置き換える進化計算における島モデルの新たな拡張である。
実験の結果、TBOは様々な最適化問題において標準島モデル進化アルゴリズムよりも優れていた。
論文 参考訳（メタデータ） (2025-10-29T01:59:26Z) - Multi-population Ensemble Genetic Programming via Cooperative Coevolution and Multi-view Learning for Classification [9.17282078449475]
Multi-population Ensemble Genetic Programming (MEGP) は、協調的共進化と多視点学習パラダイムを統合する計算知能フレームワークである。
MEGPは入力空間を条件に依存しない特徴部分集合に分解し、複数のサブポピュレーションを並列に進化させることができる。
収束挙動や一般化性能の点で、ベースラインGPモデルよりも一貫して優れている。
論文 参考訳（メタデータ） (2025-09-16T01:32:04Z) - AlphaEval: A Comprehensive and Efficient Evaluation Framework for Formula Alpha Mining [6.167227740097627]
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。
論文 参考訳（メタデータ） (2025-08-10T11:19:24Z) - A Survey of Self-Evolving Agents: On Path to Artificial Super Intelligence [87.08051686357206]
大きな言語モデル(LLM)は強力な能力を示しているが、基本的に静的である。
LLMはますますオープンでインタラクティブな環境にデプロイされているため、この静的な性質は重要なボトルネックとなっている。
この調査は、自己進化エージェントの体系的で包括的なレビューを初めて提供する。
論文 参考訳（メタデータ） (2025-07-28T17:59:05Z) - Anomaly Detection and Generation with Diffusion Models: A Survey [51.61574868316922]
異常検出(AD)は、サイバーセキュリティ、金融、医療、工業製造など、さまざまな分野において重要な役割を担っている。
近年のディープラーニング,特に拡散モデル(DM)の進歩は,大きな関心を集めている。
この調査は、研究者や実践者が様々なアプリケーションにまたがる革新的なADソリューションにDMを利用することをガイドすることを目的としている。
論文 参考訳（メタデータ） (2025-06-11T03:29:18Z) - The Evolution of Alpha in Finance Harnessing Human Insight and LLM Agents [0.0]
市場ベンチマークを上回るアルファリターンの探索は、大きな変革を遂げた。
本稿では,この進歩を辿る5段階の分類を包括的に紹介する。
提案された分類学は、成熟度を評価し、インフラを整合させ、次世代アルファシステムの責任ある開発を導く統一的な枠組みを提供する。
論文 参考訳（メタデータ） (2025-05-20T00:51:43Z) - 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。