技術要約: EVOQUANT

問題提起

定量的な戦略最適化は、従来、ドメインエキスパートが弱いシグナルを特定し、リスク制御を調整し、修正の検証を反復的に行う必要のある、手作業による労力のかかるプロセスでした。大規模言語モデル（LLM）は、このループを加速させる可能性を秘めていますが、汎用LLMをトレーディング戦略に直接適用することは、重大なリスクをもたらします。具体的には、ハルシネーションによる編集、戦略のドリフト（変質）、そして深刻なバックテストの過学習です。既存のアプローチの多くは、提案された変更に対して透明性のある因果的説明を欠いているか、あるいは、真のシグナル精緻化と、膨大な自由度の中での選択バイアスを区別できていません。核心となる課題は、単に戦略を生成することではなく、安全でない編集を厳格に記録、検証、および拒絶するプロトコルの下で、戦略を改善することにあります。

手法: EVOQUANTフレームワーク

EVOQUANT（自己進化型検証器誘導戦略最適化）は、定量的な戦略改善を、**検証器誘導型のプログラム進化（verifier-guided program evolution）**問題として再定義します。本システムは、以下の4つのモジュールからなるクローズドループの科学的プロセスとして機能します。

1. 戦略の取り込みと表現

システムは、ユーザーが提供した戦略（コードまたはルール記述）を、**型定義された戦略ゲノム（typed strategy genome）**へと正規化します。この中間表現（$g$）は、生のロジックを抽象構文木（AST）へと解析し、トレーディングのセマンティクス（シグナル、エントリー／エグジット条件、リスクルール、ポジションサイジング）をタグ付けします。ゲノムは編集可能なレイヤーへと分解され、変異履歴と戦略ファミリーを追跡するためのプロベナンス（由来）メタデータ（$\xi$）を含みます。この構造により、すべての編集が局所化され、実行可能であり、かつドリフトが制約されることが保証されます。

2. ベースライン評価とエビデンス構築

最適化の前に、システムは訓練、検証、およびテストセットにおける現行ゲノムのバックテストを通じて、時系列的なエビデンスパック（evidence pack）（$E_t$）を構築します。このパックには以下が含まれます：

• スカラー指標: リターン、シャープレシオ、最大ドローダウン（MDD）、トレード数、勝率。
• 行動プロファイル: トレードの疎密、保有期間分布、リターンの集中度。
• レジーム感受性: さまざまな市場レジームにおける戦略パフォーマンス。
• リスク診断: アウト・オブ・サンプル（OOS）での劣化（$\delta_{oos}$）および異常なリスク現象（例：過度なストップロス発動）。

3. 診断・生成型最適化ループ

このコアモジュールは、診断、生成、および検証のプロセスを反復します。

• ボトルネック診断: LLMベースのエージェントがエビデンスパックを分析し、特定の失敗モード（例：レジームの不一致、アルファの切断）を特定します。その後、目的、探索レベル（ローカルな修復からファミリーの移行まで）、および許可されるオペレータを定義する探索プラン（$p_t$）を生成します。
• 制御された候補生成: 探索プランと検索されたメモリケースに基づき、LLMは編集プラン（$\Delta_{t,i}$）を生成します。候補は、セマンティックなドリフト（$d_G$）が範囲内に収まり、金融的な不変性が保持されるよう、型定義された編集契約（typed edit contract）を満たさなければなりません。編集は、パラメータチューニングから構造的な再構築まで多岐にわたります。
• OOSを考慮した検証と昇格: 検証器は、現行の戦略と並行して、厳格なハードゲート（最小トレード数、Oversampleドローダウン制限、ドリフト制約）を用いて候補を評価します。ゲートを通過した候補は、検証の改善度と、ドローダウンの拡大やストレステストの失敗に対するペナルティとのバランスをとるスコア（$Q$）によってランク付けされます。
• 適応的昇格: システムは、候補をADOPT（現行戦略の置換）、INCUBATE（将来の参照用に保存）、またはREJECT（拒絶）に割り当てます。組み込まれたメモリモジュールは、成功したパターンと失敗の理由を再利用可能な知識ベースへと蒸留し、継続的な自己改善を可能にし、非生産的な編集の繰り返しを防ぎます。

4. 反復的な精緻化と出力

予算が尽きるか、収束に達するまでループは継続されます。最終的な出力には、最適化された戦略コード、包括的な前後比較バックテストレポート、および診断、編集プラン、昇格決定の完全な監査証跡が含まれます。

主な貢献

1. エビデンス制約付き戦略進化: 本論文は、自動化された最適化を、戦略が構造化された「トレーディングゲノム」として表現される、制約付きのプログラム進化として定式化しています。これにより、制約のない生成的な探索を超え、プロベナンスが保持された、局所的かつ実行可能な編集が可能になります。
2. 検証器誘導型最適化プロトコル: LLMが失敗モードの診断と階層的な候補合成を担い、アウト・オブ・サンプルを考慮した検証器と適応的昇格エンジンが、厳格な安全性と堅牢性の基準を強制する、統一された監査可能なループを導入しています。
3. 長期的なクロスマーケット評価: 本フレームワークは、多様な資産クラス（A株およびビットコイン）と戦略ファミリーに対して、前後比較、コンポーネントのアブレーション、トランザクションコストのストレステスト、およびウォークフォワード検証を用いて実証的に検証されています。

実験結果

フレームワークは、2020年から2025年までのデータを用い、7つの代表的な戦略（A株4つ、クリプト3つ）に対して評価されました。

• パフォーマンスの向上: 平均テスト・シャープレシオは、−0.298 から 0.538 へと大幅に改善しました。最も優れたパフォーマンスを示した戦略は、199%の相対的改善を達成しました。
• 堅牢性: トランザクションコストとスリッページを2倍に設定した仮定の下でも、平均シャープレシオの上昇は正（0.700）を維持しました。異なるローリングウィンドウを用いたウォークフォワードテストにより、パフォーマンスの向上は崩壊しないことが確認されましたが、その規模には変動が見られました。
• アブレーション研究: 適応的昇格エンジンを除去すると、シャープレシオの上昇幅は0.982から0.128へと減少しました。これは、適応的な選択が中核的な推進力であることを示しています。ランダムな変異ベースラインは、より低い利得（0.645）しか得られず、戦略のドリフトを起こしやすい傾向があったため、診断誘導型の探索の必要性が裏付けられました。
• 市場適応性: システムは、低ボラティリティの株式市場と高ボラティリティのクリプト市場の両方において戦略を改善することに成功し、ビットコイン戦略におけるドローダウンを減少させ、A株戦略におけるリターンを増加させました。

意義と主張

本論文は、定量的な戦略最適化を、コストのかかる手作業による試行錯誤のプロセスから、自動化され、検証可能で、反復的なパラダイムへと変革することを主張しています。

• 生成よりも信頼性: 本研究は、金融におけるLLMの価値は、流暢なコードを生成することではなく、時系列のバックテスト、トレードカバレッジのチェック、およびリスクに敏感な昇格プロセスに編集を接地させることにあると強調しています。
• 監査可能性: 拒絶された候補とその理由を明示的にログに記録することで、EVOQUANTはLLMトレーディングエージェントの「ブラックボックス」的な性質に対処し、戦略進化のための透明な監査証跡を提供します。
• 科学的プロセス: 本フレームワークは、最適化を仮説、検証、および修正の科学的サイクルとして扱い、厳格なアウト・オブ・サンプル検証を通じて、データスヌーピングとバックテストの過学習を軽減します。

著者らは、本研究を金融研究へのLLMの適用に向けた一歩として位置づけていますが、同時に、本システムは歴史的データと簡略化された実行仮定に基づいて評価された研究用プロトタイプであり、ライブトレーディングの推奨ではないことを明記しています。