AQuA：递归自我改进的量化交易研究代理

我们在定量投资研究的层面上研究递归自我改进：自治系统是否可以使用早期实验的证据来改进在以后的迭代中提出的假设和候选方案。我们提出了 AQuA，它包含两个独立的语言模型驱动的研究系统：一个用于符号因子发现，一个用于可训练模型开发。每个系统都会记录实验结果，并用它们来指导后续的提案。每个模型都在固定的沙箱中运行，沙箱修复了数据分割、特征和标签定义以及评估器，同时允许模型仅通过受约束的因子表达式或配置差异进行操作。因子系统是一个由管理者介导的多代理管道，它发现因子并将其组合成一个信号，该信号在加密宇宙中达到约 0.190 美元的组合验证信息系数。该模型系统是混合时间序列架构上的配置驱动循环，美国股票的每只股票信息系数达到+0.0843美元，并将其转换为阈值多/空策略，持有夏普高达+2.50美元，两腿成本。从2021年到2025年，该战略每年都是积极的。