PandaAI：量化金融神经符号数据分析和综合决策的实用代理CQ2

尽管深度学习在各个领域都表现出色，但由于金融数据的信噪比（SNR）较低和非平稳性，其在金融顺序决策中的应用仍然具有挑战性。利用 大语言模型 (LLM) 的推理能力，我们提出 \textbf{PandaAI}，一种具有市场机制建模和约束 alpha 生成的闭环神经符号 LLM 代理，它将一般 LLM 推理与财务严谨性联系起来，并抑制 LLM 生成输出的财务毒性。为了弥合一般语言能力和财务严谨性之间的差距，我们对特定领域的 LLM 进行了微调。此外，我们将这个LLM集成到模块化架构中并形成闭环系统。与优化孤立预测指标的传统模型不同，\textbf{PandaAI} 被设计为一种神经符号代理，可以通过明确的风险意识来导航复杂的现实世界金融环境。对沪深 300 股票数据的大量实验表明，与最先进的时间序列模型相比，\textbf{PandaAI} 的 Rank IC 提高了 $18.2\%$，最大回撤降低了 $25.7\%$。我们的受限 LLM 生成和双通道自适应方法为高风险顺序决策场景中的 LLM 部署提供了通用范例。