論文の概要: AlphaRLM: Aligning Language Models for Literature-Grounded Symbolic Factor Discovery

• arxiv url: http://arxiv.org/abs/2610.14959v3
• Date: Thu, 15 Oct 2026 03:53:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:15.854782
• Title: AlphaRLM: Aligning Language Models for Literature-Grounded Symbolic Factor Discovery
• Title（参考訳）: AlphaRLM: 文学を取り巻く記号的因子発見のための言語モデル
• Abstract要約: 我々は、LLMを学習し、入力因子表現のない財務文献から象徴的要素を構築するための強化学習フレームワークAlphaRLMを紹介した。 AlphaRLM には文芸誘導演算子アセンブリ (LEGO) が組み込まれている。 CSI 300, CSI 1000, S&P 500 の実験では、AlphaRLM は年次過剰リターンにおいて強い因子マイニングと LLM ベースのベースラインよりも優れていた。
• 参考スコア（独自算出の注目度）: 15.139520627448405
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Formulaic alpha mining seeks to discover executable expressions that capture predictive market signals in a vast, noisy search space. Recent LLM-based approaches use prompting, iterative search, or seed-factor evolution, leaving direct factor construction through policy learning less explored. To address this, we introduce AlphaRLM, a reinforcement-learning framework that trains LLMs to construct executable symbolic factors from financial literature without input factor expressions. AlphaRLM incorporates Literature-Guided Operator Assembly (LEGO), which conditions factor construction on literature-derived ideas and executable operators, providing semantic priors for exploration. It further aligns the generation policy with market feedback through executable-validity and grouped-return-separation rewards that capture non-monotonic structures across factor quantiles. Extensive experiments on CSI 300, CSI 1000, and S&P 500 show that AlphaRLM outperforms strong factor-mining and LLM-based baselines in annualized excess return. Notably, the 8B model achieves strong cross-market performance, highlighting the promise of literature-conditioned, market-aligned factor generation.
• Abstract（参考訳）: フォーミュラ的アルファマイニングは、巨大でノイズの多い検索空間で予測市場信号をキャプチャする実行可能な表現を見つけようとする。 近年のLCMベースのアプローチでは、プロンプト、反復探索、あるいはシードファクタ進化が採用されている。 そこで我々は,LLMを学習し,入力因子表現を使わずに,財務文献から実行可能なシンボル要素を構築するための強化学習フレームワークであるAlphaRLMを紹介した。 AlphaRLM には文芸誘導演算子アセンブリ (LEGO) が組み込まれている。 さらに、生成ポリシーと市場フィードバックを、実行可能価とグループ化されたリターン・セパレーションの報酬を通じて整合させ、ファクター・クオニラをまたいだ非モノトニック構造を捕捉する。 CSI 300, CSI 1000, S&P 500 の大規模な実験により、AlphaRLM は年次過剰リターンにおいて強い因子マイニングと LLM ベースのベースラインを上回る性能を示した。 特に8Bモデルは、文学条件の市場整合因子生成の可能性を強調して、強い市場横断性能を達成する。

関連論文リスト

• AlphaSchema: Exploring the Space of Trading Semantics for LLM-Based Alpha Mining [23.13242567888876]
  我々はアルファマイニングのための取引セマンティクスの構造空間の構築と探索を行うAlphaを紹介する。 反復選択機構は、このモデルを用いて、代理誘導によるエクスプロイトと局所突然変異のバランスをとる。 中国の株式市場での実験によると、Alphaは強力な予測評価とポートフォリオのパフォーマンスを備えたファクタープールを発見している。
  論文  参考訳（メタデータ） (2026-07-29T09:04:25Z)
• Deliberate Evolution: Agentic Reasoning for Sample-Efficient Symbolic Regression with LLMs [52.89778838903305]
  Deliberate Evolution (DE) は、検索制御からシンボル生成を分離するエージェントフレームワークである。 LLM-SRBenchの実験では、DEMは様々な科学領域でLLMベースのSRベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-06-03T02:22:16Z)
• From Feedback Loops to Policy Updates: Reinforcement Fine-Tuning for LLM-Based Alpha Factor Discovery [44.198035509196785]
  我々は,強化微調整に基づく自己進化型アルファファクター発見フレームワークであるtextscQuantEvolverを提案する。 textscQuantEvolverは高品質なシードファクタを構築し、多様なシードタイムウィンドウトレーニングタスクを構築し、実行可能なFacter DSL式を生成する。 トレーニング中、高品質な要因はMined Factor Databaseに継続的に蓄積され、最終発見ファクターライブラリとして機能する。
  論文  参考訳（メタデータ） (2026-05-14T20:54:40Z)
• Programmatic Context Augmentation for LLM-based Symbolic Regression [65.01826333382738]
  大規模言語モデル(LLM)に基づく進化的探索手法が記号回帰に導入されている。 本稿では,プログラム的文脈拡張を取り入れたLLMに基づく進化的検索フレームワークを提案する。 本手法では,データ解析と情報信号抽出を積極的に行うことができる。
  論文  参考訳（メタデータ） (2026-05-04T19:34:03Z)
• How Do LLM-Generated Texts Impact Term-Based Retrieval Models? [76.92519309816008]
  本稿では,大規模言語モデル(LLM)が項ベース検索モデルに与える影響について検討する。 言語学的解析により,LLM生成テキストはよりスムーズで低周波なZipf勾配を示すことが明らかとなった。 本研究は,項分布がクエリと密接に一致した文書を優先して,項ベース検索モデルがソースバイアスを示すかどうかを考察する。
  論文  参考訳（メタデータ） (2025-08-25T06:43:27Z)
• Agentic Reinforced Policy Optimization [66.96989268893932]
  検証可能な報酬付き大規模強化学習(RLVR)は,大規模言語モデル(LLM)を単一ターン推論タスクに活用する効果を実証している。 現在のRLアルゴリズムは、モデル固有のロングホライゾン推論能力と、マルチターンツールインタラクションにおけるその習熟性のバランスが不十分である。 エージェント強化ポリシー最適化(ARPO: Agentic Reinforced Policy Optimization)は,マルチターンLDMエージェントを学習するためのエージェントRLアルゴリズムである。
  論文  参考訳（メタデータ） (2025-07-26T07:53:11Z)
• 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)
• R1-Searcher: Incentivizing the Search Capability in LLMs via Reinforcement Learning [87.30285670315334]
  textbfR1-Searcherは、大規模言語モデルの検索能力を高めるために設計された、2段階の結果に基づく新しいRLアプローチである。 本フレームワークは, コールドスタート時に, プロセス報酬や蒸留を必要とせず, RLのみに依存している。 提案手法は, クローズドソースGPT-4o-miniと比較して, 従来の強力なRAG法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2025-03-07T17:14:44Z)
• 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)

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。