RD-Agent(Q)：数据驱动的多智能体自动化量化策略框架

金融市场是高维非线性动态系统，具有重尾、时变波动和复杂的横截面依赖性，导致预测难度增加。金融市场的资产回报预测面临高维度、非平稳性和持续波动性等挑战。现有的定量研究流程自动化程度低、可解释性弱、各关键组件协调性差。

本文提出RD-Agent(Q)，一个数据驱动的多代理框架，旨在自动化量化策略的研发。RD-Agent(Q)实现端到端自动化，增强可解释性，降低幻觉风险。RD-Agent(Q)在研究阶段通过结构化知识森林模拟分析师工作流程，生成高质量假设。在开发阶段，Co-STEER作为知识进化代理，提升数据中心任务的代码生成准确性和效率。

RD-Agent(Q)在真实股市实验中，成本低于$10时，年化收益率（ARR）约为基准因子库的2倍，且使用因子减少70%以上，超越了小资源预算下的深度时间序列模型。

摘要

金融市场的资产回报预测面临高维度、非平稳性和持续波动性等挑战。现有的定量研究流程自动化程度低、可解释性弱、各关键组件协调性差。本文提出RD-Agent(Q)，一个数据驱动的多代理框架，旨在自动化量化策略的研发。RD-Agent(Q)分为研究阶段和开发阶段，研究阶段设定目标、形成假设并映射任务，开发阶段通过Co-STEER生成代码并进行市场回测。两个阶段通过反馈机制连接，使用多臂老虎机调度器进行自适应方向选择。RD-Agent(Q)在实际市场中实现了比经典因子库高出2倍的年化回报，且使用的因子减少70%。其联合因子-模型优化在预测准确性和策略稳健性之间取得良好平衡。

简介

金融市场是高维非线性动态系统，具有重尾、时变波动和复杂的横截面依赖性，导致预测难度增加。资产管理行业正从经验驱动转向数据驱动，量化投资因高效决策、可重复执行和追求超额收益而日益普及。

现代量化研究流程通过微软的Qlib项目简化数据处理和回测，重点转向因子挖掘和模型创新。因子挖掘从传统模型发展到进化符号回归和强化学习优化，模型创新则从经典自回归演变为机器学习和深度学习架构。股票特定模型利用图神经网络捕捉股票间互动，LLM和多智能体系统从新闻和社交网络提取信号。当前量化研究面临三大限制：自动化程度低、可解释性差、优化过程碎片化。

本文提出RD-Agent(Q)，一个数据驱动的多智能体框架，自动化全栈量化策略开发，支持因子与模型的协同优化。RD-Agent(Q)实现端到端自动化，增强可解释性，降低幻觉风险。RD-Agent(Q)在研究阶段通过结构化知识森林模拟分析师工作流程，生成高质量假设。在开发阶段，Co-STEER作为知识进化代理，提升数据中心任务的代码生成准确性和效率。

RD-Agent(Q)在真实股市实验中，成本低于$10时，年化收益率（ARR）约为基准因子库的2倍，且使用因子减少70%以上，超越了小资源预算下的深度时间序列模型。交替因子-模型优化实现了预测准确性与策略稳健性之间的良好平衡。

相关工作

传统定量研究方法依赖于人造因子（如价值和动量），缺乏适应性。符号回归和遗传编程自动化因子挖掘，增强信号多样性和有效性。强化学习将因子配置视为序列决策，优化夏普比率，但在市场变动下缺乏稳健性和可解释性。早期模型（如ARIMA和指数平滑）对高维噪声数据表现不佳，经典机器学习方法需手动特征工程。深度学习（如LSTM和Transformer）捕捉长期和横截面依赖，专用时间序列神经网络如PatchTST和iTransformer进一步提升预测能力。现有因子和模型流程孤立且依赖专家，限制了在波动市场中的可扩展性。

大语言模型（LLMs）在金融研究中提供自动化机会，能提取预测信号和生成因子解释。LLM基础的多代理系统（如FinAgent和TradingAgents）用于复杂决策，但多集中于狭窄子任务，易产生幻觉且难以重现。现有系统缺乏联合因子-模型优化和工作流程整合机制，限制了在实际定量系统中的有效性。

RD-Agent(Q)

本文提出RD-Agent(Q)，一个数据驱动的多智能体框架，用于迭代因子模型研发，具备自动化、可解释性和高效性。量化过程分为五个紧密耦合的单元：规范、合成、实施、验证和分析，形成闭环循环，模拟人类研究者的试错过程。RD-Agent(Q)持续自主运行，支持因子和模型组件的动态共同优化。每轮的假设、实施和结果被持久存储，促进知识积累和决策的逐步优化。

规格单元

规格单元是RD-Agent的顶层组件，动态配置任务上下文和约束，确保设计、实施和评估的一致性。其运作沿两个轴线：理论（编码假设、数据模式和输出协议）和经验（建立可验证的执行环境和标准化接口）。

规格单元形式化为元组S = (B, D, F, M)，其中B为背景假设，D为市场数据接口，F为预期输出格式，M为外部执行环境。任何候选因子或模型f θ需满足条件：∀ , x ∈ D, ; f θ (x) ∈ F且f θ可在M中执行，确保与标准输入/输出结构兼容，支持模块间的协作一致性和可重复性。

合成单元

合成单元通过历史实验生成新假设，模拟人类推理。当前优化动作定义为t ∈ {factor, model}，并构建实验轨迹。第t个实验表示为e_t = {h_t, f_t}，其中h_t为假设，f_t为反馈。维护当前最佳解决方案集SOTA，定义历史假设和反馈集H_t和F_t。提取与动作相关的子集。

生成映射函数G结合理论先验和经验反馈生成新假设h(t+1)，确保假设可执行且科学合理。在因子生成任务中，h(t+1)考虑最新反馈、市场条件和经济理论，确保因子的有效性和可观察性。生成机制根据性能反馈调整策略，成功时增加复杂性，失败时进行结构调整或引入新变量，形成“想法森林”。

假设h(t)被具体化为任务t(t)，下游模块用于代码实现。因子假设h_factor(t)可分解为多个子任务t_factor(i)，而模型假设h_model(t)映射为单一任务t_model，执行整个建模和推理流程。

实施单元

实施单元负责将合成单元生成的可执行任务转化为功能代码，核心在于RD-Agent(Q)的复杂开发。设计了专门的代理Co-STEER，支持定量研究中的因子和模型开发，确保实现的正确性、效率和适应性。

因子开发中任务存在结构依赖，采用引导性思维链机制，构建有向无环图(DAG)表示任务依赖关系。通过拓扑排序指导任务执行，调度过程具有适应性，反馈机制用于优化计划，优先处理简单任务以提高成功率。

实施代理I根据任务描述和知识库生成代码c j，过程包括任务解析、代码合成、执行和验证。目标是最大化累积实施质量π I，通过评估代码的正确性和性能RI(c j)。知识库K记录成功和失败的任务-代码-反馈三元组，更新方式为K(t+1) = K(t) ∪ {(t j, c j, f j)}。通过知识转移机制，代理可以根据当前反馈从知识库中检索相似任务的解决方案，提高新任务代码生成的效率和成功率。

反馈驱动的优化循环持续提升代码质量和效率，促进定量研究组件的快速和稳健开发。

验证单元

验证单元评估实施单元生成的因子或模型的实际有效性。对新因子进行去重处理，通过与现有SOTA因子库的相关性计算。计算因子矩阵F的IC值，筛选出IC值最大≥0.99的新因子，认为其冗余。剩余因子与当前SOTA模型结合，通过Qlib回测平台评估性能。模型评估过程对称，候选模型与当前SOTA因子集配对进行回测。验证单元提供集成化、自动化的标准化评估管道，支持生产级市场模拟环境。

分析单元

分析单元在RD-Agent(Q)框架中担任研究评估和策略分析的角色，评估假设、任务和实验结果。若实验结果优于当前SOTA，则将结果添加至相应的SOTA集合，并诊断失败策略，生成改进建议。

分析单元与合成单元互动，形成闭环系统，平衡短期响应与长期探索。每轮分析后，决定优先进行因素优化或模型优化，采用上下文两臂赌博问题，通过线性汤普森采样解决。

系统观察8维性能状态向量，评估每个动作的预期收益，选择收益最高的动作执行，并更新后验分布。通过上下文汤普森采样机制，RD-Agent(Q)自适应平衡探索与利用，提升迭代性能。

实验

实验设置

数据集：使用CSI 300数据集，涵盖300只大型A股，时间分为训练（2008年1月1日-2014年12月31日）、验证（2015年1月1日-2016年12月31日）和测试（2017年1月1日-2020年8月1日）。

RD-Agent(Q)的三种配置：

• RD-Factor：固定预测模型为LightGBM，优化因子集（起始于Alpha 20）。
• RD-Model：固定因子集为Alpha 20，寻找更好的模型。
• RD-Agent(Q)：同时优化因子和模型。

基线比较：因子层面比较Alpha 101、Alpha 158、Alpha 360和AutoAlpha；模型层面包括多种机器学习和深度学习模型（如Linear、MLP、XGBoost、GRU等）。

评估指标：因子预测指标（信息系数IC、IC信息比率ICIR等）和策略表现指标（年化收益ARR、信息比率IR、最大回撤MDD等），采用基于预测收益排名的日常多空交易策略。

实验分析

RD-Agent在CSI 300数据集上表现优于所有基线模型，尤其在预测和战略指标上。

RD-Factor通过动态优化因子空间，超越静态因子库，IC高达0.0497，ARR提升至14.61%。RD-Model在固定因子下表现最佳，Rank IC为0.0546，MDD为-6.94%，显示出机器学习模型在捕捉金融噪声和非线性模式上的局限。RD-Agent(Q)通过联合优化因子和模型，达到最高性能，IC为0.0532，ARR为14.21%，IR为1.74，显著超越强基线方法。

RD-Factor的因子假设演变分析显示探索与利用的平衡，采用文本嵌入、相似性矩阵和层次聚类方法。

研究发现多样化路径产生协同效应，最终选入8个试验，涵盖5个聚类，支持高效的深度搜索和概念覆盖。

Co-STEER在RD-Agent(Q)框架下的pass@k准确率评估显示，其在模型任务和全栈任务中快速收敛，o3-mini在复杂任务中表现出更高的恢复率，体现了其强大的链式推理能力。

RD-Factor在因子生成方面表现优异，使用22%因子时，IC水平与Alpha 158和Alpha 360相当，且在2019-2020年间保持稳定，显示出迭代因子优化的有效性。

RD-Model在ARR、MDD和资源使用方面优于基线模型，RD-Model GPT-4o和o3-mini在风险收益比上表现突出。

RD-Agent(Q)对LLM后端的敏感性评估显示，o1在多个指标上表现最佳，GPT-4.1紧随其后，整体框架在不同LLM后端上表现稳健。

RD-Agent(Q)的成本低于$10，验证了其成本效益和可扩展性。

总结

RD-Agent(Q)是一个基于LLM的量化金融协作因子模型开发框架，支持模块化组件和基于带宽的调度器，能在固定计算预算下高效迭代。实证结果显示，RD-Agent在信号质量和策略表现上优于基线，具备良好的成本效率和可推广性。模块化设计使其适应真实世界环境，但目前依赖LLM的内部金融知识。

未来工作可增强数据多样性、引入领域先验，并实现在线适应市场变化。用户需自行准备金融数据，独立评估和测试生成因子及模型的风险，使用时需谨慎。

RD-Agent(Q)不提供金融意见，不能替代合格金融专业人士的角色，输出不代表微软的观点。

​本文转载自​​​​灵度智能​​，作者：灵度智能