FactorEngine: A Program-level Knowledge-Infused Factor Mining Framework for Quantitative Investment

Le papier présente FactorEngine, un cadre d'extraction de facteurs d'investissement quantitatif qui combine des programmes Turing-complets, une infusion de connaissances via des agents LLM et une base de savoir expérientiel pour découvrir des signaux prédictifs stables, interprétables et performants surpassant les méthodes existantes.

Qinhong Lin, Ruitao Feng, Yinglun Feng, Zhenxin Huang, Yukun Chen, Zhongliang Yang, Linna Zhou, Binjie Fei, Jiaqi Liu, Yu Li

Publié 2026-03-18
📖 4 min de lecture☕ Lecture pause café

Each language version is independently generated for its own context, not a direct translation.

Imaginez que le marché financier est une immense forêt brumeuse, remplie de signaux faibles, de bruits parasites et de tempêtes imprévisibles. Le but des investisseurs quantitatifs est de trouver des "boussoles" (appelées facteurs alpha) capables de prédire où le marché va aller ensuite.

Le problème ? La plupart des méthodes actuelles sont soit trop rigides (comme des règles manuelles qu'on ne peut pas changer), soit trop mystérieuses (des "boîtes noires" intelligentes mais incompréhensibles).

Voici comment FactorEngine (FE) change la donne, expliqué simplement :

1. L'Idée de Base : Passer des "Recettes" aux "Cuisiniers"

Traditionnellement, les chercheurs écrivaient des formules mathématiques fixes (comme une recette de cuisine rigide : "mélangez 2 œufs et 100g de farine"). Si le marché change, la recette ne fonctionne plus.

FactorEngine, lui, ne donne pas juste une recette. Il crée un cuisinier robot programmable capable d'écrire son propre code. Au lieu de chercher une formule, il cherche un programme informatique complet (un script Python) qui peut faire des boucles, prendre des décisions ("si le marché monte, alors...") et s'adapter. C'est comme passer d'une recette figée à un chef qui peut improviser en fonction des ingrédients disponibles.

2. Les Trois Moteurs de la Machine

Pour que ce robot soit efficace, FactorEngine utilise trois séparations intelligentes, comme un atelier de travail bien organisé :

  • L'Idée vs. Le Réglage (Le Chef vs. L'Assistant) :

    • Le Chef (l'IA générative) se concentre sur la grande idée : "Comment on pourrait prédire la chute du marché ?". Il propose des structures de code nouvelles.
    • L'Assistant (un algorithme mathématique rapide) s'occupe des réglages fins : "Combien de jours faut-il regarder en arrière ?". Il ajuste les paramètres sans avoir besoin de l'IA lente, ce qui économise énormément de temps.
    • Analogie : C'est comme si le chef inventait un nouveau plat, tandis qu'un robot rapide ajuste le four à la température parfaite pour ce plat spécifique.
  • L'Apprentissage par l'Expérience (Le Journal de Bord) :

    • Le système ne se contente pas de regarder les succès. Il garde une trace de ses échecs. Si une idée a failli marcher avant de rater, le système apprend pourquoi. C'est comme un explorateur qui note : "J'ai failli tomber dans ce ravin, donc la prochaine fois, je prends un chemin différent". Cela évite de répéter les mêmes erreurs.
  • L'Extraction de Connaissances (Le Traducteur de Rapports) :

    • Le système lit des milliers de rapports financiers complexes (des textes longs et ennuyeux) et les transforme automatiquement en code exécutable.
    • Analogie : Imaginez un traducteur qui lit un livre de philosophie complexe et en extrait immédiatement un plan d'action concret, sans que personne n'ait besoin de le faire à la main.

3. Comment ça marche en pratique ? (L'Évolution)

Le système fonctionne comme une sélection naturelle accélérée :

  1. Naissance : Il commence avec des idées de base (issues de rapports financiers ou de facteurs connus).
  2. Mutation : Il crée des milliers de variations de ces idées (des "enfants" avec de légères différences).
  3. Test : Il les teste rapidement sur l'histoire du marché (comme un entraînement en simulation).
  4. Sélection : Il garde les meilleurs, les combine, et recommence.

Ce qui est génial, c'est qu'il utilise une technique appelée "Co-Evolution Macro-Micro" : il fait évoluer la structure globale du code (le "quoi faire") et les paramètres (le "comment le faire") en même temps, mais de manière séparée pour aller plus vite.

4. Les Résultats : Pourquoi c'est mieux ?

Dans les tests réels (sur les marchés chinois CSI300 et CSI500), FactorEngine a montré qu'il était :

  • Plus précis : Il prédit mieux les mouvements du marché que les méthodes traditionnelles.
  • Plus stable : Il ne s'effondre pas quand le marché change brusquement (contrairement aux modèles trop complexes).
  • Plus diversifié : Au lieu de trouver 100 recettes presque identiques, il trouve des stratégies très différentes qui se complètent, réduisant le risque.
  • Plus rapide et moins cher : Il utilise moins de puissance de calcul inutile car il sépare bien les tâches.

En Résumé

FactorEngine est comme un laboratoire d'évolution numérique pour l'investissement. Au lieu de demander à un humain de deviner la prochaine formule magique, il laisse une armée de robots intelligents explorer l'espace des possibles, apprendre de leurs erreurs, lire des rapports financiers pour s'inspirer, et écrire eux-mêmes le code gagnant.

C'est un pas de géant vers des investissements plus intelligents, plus transparents (on peut lire le code) et plus résistants aux tempêtes du marché.

Noyé(e) sous les articles dans votre domaine ?

Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.

Essayer Digest →