借助大语言模型从自然语言到可执行期权策略

摘要

大语言模型（LLM）擅长通用代码生成，但将自然语言交易意图转换为正确的期权策略仍具挑战。现实中的期权设计需要对海量、多维且约束严格的期权链数据进行推理，这往往令直接生成方法难以招架。我们提出期权查询语言（OQL），一种领域专用中间表示，它在语法规则下将期权市场抽象为高层原语，使LLM能够充当可靠的语义解析器而非自由发挥的程序员。OQL查询随后由引擎确定性地验证并执行，以实例化可执行的策略。我们还发布了该任务的新数据集，并证明这一神经符号流水线相比直接生成基线显著提升了执行准确率与逻辑一致性。

借助大语言模型从自然语言到可执行期权策略：论文配图 — 图 2：该图说明了期权查询语言 (OQL) 系统的完整工作流程，从意图到可执行期权策略。顶部：OQL 管道从人类用户或智能代理收集交易意图，将高级意图转换为正式的 OQL 查询，并执行它们以检索候选策略。底部：确定性 OQL 编译器 $P_phi$ 通过解析和语义验证、对选项链数据的矢量化过滤以及具有聚合约束的组合腿组装来处理每个查询，生成一组有效的选项策略的排序。附录~中提供了完整的 OQL 语法、形式定义和后端。