🤖 AI

AlphaMemo: Structured Search-Process Memory for Self-Evolving Alpha Mining Agents

AlphaMemo 是一个用于阿尔法挖掘（alpha mining）的自进化大语言模型（LLM）智能体，它通过利用结构化搜索过程记忆来记录并利用可重用的编辑基元（edit motifs）、置信度门控残差（confidence-gated residuals）以及针对失败模式的非对称否决控制（asymmetric veto controls），从而提升了发现效率和样本外表现。

原作者： Hang Yu, Zifan Zheng, Jeff Z. Pan, Tongliang Liu, Zhiyong Wang, Fengxiang He

发布于 2026-06-23

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Hang Yu, Zifan Zheng, Jeff Z. Pan, Tongliang Liu, Zhiyong Wang, Fengxiang He

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正在试图寻找一个完美的食谱，制作出一道能卖出数百万份的菜肴。你拥有一个庞大的现有食谱库（即“搜索账本”），并希望通过对旧食谱进行微调来创造新食谱。

在金融领域，这被称为 Alpha Mining（Alpha 挖掘）。这里不再是食物，而是被称为“食谱”的数学公式，它们用于预测股票价格。目标是找到既准确又独特，且不只是在盲目模仿他人的公式。

这篇论文介绍了一种名为 AlphaMemo 的智能计算机代理，旨在比以往更好地完成这项“搜寻食谱”的工作。以下是它的工作原理，通过简单的类比进行解释：

问题所在：“盲目厨师”

以往试图寻找这些股票公式的 AI 代理就像是那些只能记住成品味道的厨师。

问题在于： 如果一道菜味道好，厨师就会尝试再做一次；如果味道不好，他们就会避开它。
缺陷： 这种方式过于简单。有时候，一道菜味道好可能仅仅是因为运气（这对长期投资不利）。有时候，厨师做了一个微小的、特定的改动（比如把糖换成了盐），导致了失败，但 AI 并不知道究竟是哪个改动导致了失败。它只看到“坏掉的菜”然后就放弃了。这会导致时间的浪费和重复犯错。

解决方案：AlphaMemo 的“厨房笔记”

AlphaMemo 与众不同，因为它保留了一份 结构化搜索过程记忆（Structured Search-Process Memory）。它不仅记住最终的菜肴，还记录了烹饪过程的详细笔记。

以下是 AlphaMemo 的四个主要成分：

1. “编辑基元”（Edit Motif，即特定的微调）

当一位厨师修改食谱时，他们不会只说“我改了它”，而是会说：“我把烘焙时间从 20 分钟改成了 25 分钟。”

AlphaMemo 的做法： 它观察旧公式和新公式的数学“骨架”（称为抽象语法树，AST）。它识别出精确的“编辑基元”——即 AI 做出的具体动作（例如：“增加了时间延迟”、“更换了排序算子”）。
益处： 它能学习到这种特定的动作，在应用到这种特定类型的食谱时，通常是奏效还是失效。

2. “置信度门控”（Confidence Gate，即安全阀）

想象一位新手厨师非常兴奋地宣称：“我试着加了一点辣椒，效果惊人！”但他们只试过一次。你应该相信他们吗？可能并不。

AlphaMemo 的做法： 它拥有一个置信度门控。在记忆影响决策之前，它不会让记忆发挥作用，直到它多次观察到相同的“编辑”产生成功（或失败）的结果。如果数据具有噪声或稀缺，代理会忽略记忆，转而遵循其基础且安全的搜索规则。这可以防止 AI 被早期的运气所迷惑。

3. “残差修正”（Residual Correction，即精细调节器）

该代理拥有一套强大的基础规则库（“搜索账本”），根据历史记录告诉它哪些食谱通常是优秀的。

AlphaMemo 的做法： 记忆并不会试图重写整个规则库。相反，它扮演着精细调节器的角色。它会问：“规则库说这个食谱应该是 7/10 分。但根据我们过去对这种特定微调的经验，它通常能额外获得 1 分。”
益处： 它在不颠覆整个系统的情况下修正微小的盲点，保持搜索的稳定性。

4. “非对称否决”（Asymmetric Veto，即严格的批评家）

这是最聪明的部分。在金融领域，寻找一个“获胜”的公式是困难且脆弱的（它可能下个月就不奏效了）。但寻找一个“失败”的模式通常很容易且具有永久性（例如，一个在数学上是错误的或过于复杂的公式）。

AlphaMemo 的做法： 它对正面和负面记忆采取不同的处理方式。
- 正面记忆（好的编辑）被视为一种“软建议”。它们会提供一点提升，但不会强迫代理前往那里。
- 负面记忆（坏的编辑）则被视为硬否决。如果代理看到一个曾经以高置信度失败过的模式，它会立即说：“不，不要那样做”，并封锁那条路径。
益处： 它能积极地避开已知的陷阱，同时对发现脆弱的成功保持开放态度。

结果：更好的搜索

作者在两个主要的股票市场进行了测试：中证 500 指数（中国）和 标普 500 指数（美国）。

更好的预测能力： AlphaMemo 找到的公式比其他方法能更准确地预测股票走势。
更低的冗余度： 它找到了更多独特且有用的公式，而没有在重复的内容上浪费时间。
稳定性： 由于有了“置信度门控”和“非对称否决”，它不会被早期的噪声或运气带来的惊喜所迷惑。

总结

请不要把 AlphaMemo 看作是一个只记得好菜的厨师，而要把它看作是一位资深副厨，他记录了每一次具体的食材替换和烹饪技巧。他清楚地知道哪些微小的改动往往会毁掉一道菜（并立即拦截它们），以及哪些微小的调整有助于提升菜肴（并谨慎地提出建议），同时依靠扎实的基础烹饪知识来确保搜索不偏离轨道。

这种方法使 AI 能够通过学习其搜索过程来实现“自我进化”，使其成为寻找金融信号的一种更高效、更可靠的工具。

技术摘要：AlphaMemo

问题陈述

Alpha因子挖掘旨在发现能够预测资产回报的、具有预测性和可解释性的符号表达式（公式），这些表达式基于价格-成交量变量。虽然大语言模型（LLM）智能体提供了一个极具前景的框架——结合了金融先验知识、符号推理和反馈驱动的精炼过程——但在自我演进的设定下，它们面临着显著的障碍：

组合搜索空间： 可能的符号表达式空间极其庞大。
噪声且非平稳的反馈： 金融数据的反馈通常具有噪声，且市场机制会发生变化，使得历史上的成功变得不可靠。
冗余与过拟合： 盲目重复过去的成功因子或完整的轨迹会导致发现过程出现冗余，并导致对特定市场条件的过拟合。
信用分配（Credit Assignment）： 现有的工作流通常仅存储最终的因子得分或非结构化的历史记录，未能识别出究竟是*哪些具体的局部编辑（local edits）*导致了子因子相对于其父因子的成功或失败。

核心挑战在于设计一种记忆机制，该机制针对的是搜索过程本身，而非仅仅是最终结果，从而允许智能体学习在特定的父因子上下文中，哪些编辑模态（edit motifs）是有效的，同时避免变得不稳定或产生过拟合。

方法论：AlphaMemo

作者提出了 AlphaMemo，这是一个以**结构化搜索过程记忆（SSPM）**为核心的自我演进 Alpha 挖掘智能体。与存储完整轨迹或仅存储最终结果的智能体不同，AlphaMemo 记录了关于特定编辑模态及其在特定父因子上下文下的结果的可复用证据。

核心架构

系统通过涉及三个主要阶段的循环运行：

动作评分与选择：
- 搜索账本先验（Search-Ledger Prior）： 智能体维护一个因子库账本（ $G_t$ ），用于追踪已评估的因子、其谱系、深度和多样性。一个基础评分器根据这些结构化属性分配父因子得分（ $S_{ledger}$ ）。
- 置信度门控残差融合（Confidence-Gated Residual Fusion）： 对于一个候选动作（父因子 $p$ ，编辑模态 $m$ ），智能体计算如下得分：
  $A_t(p, m) = \log(S_{ledger}(p) + \epsilon) + \lambda_t c_t(z, m) \Delta_t(z, m)$
  此处， $\Delta_t$ 是残差记忆（观测到的子因子质量与基础先验预期之间的差异）， $c_t$ 是置信度门控。如果证据稀疏或不稳定，记忆的贡献将会消失，从而确保智能体回退到鲁棒的基础搜索先验。
- 非对称过程否决（Asymmetric Process Veto, APV）： 高置信度的负面模式（例如：无效语法、过度挖掘的变换）可以否决一个动作。然而，正面模式仅提供软性的提升。这种不对称性反映了现实情况：负面失效模式在不同机制下通常比脆弱的正面 Alpha 信号更具稳定性。
因子生成与模态提取：
- LLM 根据选定的父因子和预期的编辑生成一个子因子。
- AST-Diff 模态： AlphaMemo 不依赖于手动指定的变异标签，而是通过计算父因子和子因子表达式之间的**抽象语法树（AST）**差异来提取编辑模态。这些模态被规范化并映射到一个紧凑的词汇表（例如：“添加条件门”、“重新缩放窗口”、“交换算子”）。这使得信用分配可以在可复用的搜索行为层面（而非表层字符串变化层面）进行。
评估与更新：
- 生成的因子根据质量向量（IC、ICIR 等）进行评估。
- 有效的因子被加入因子池；无效或被拒绝的因子则被记录为失败。
- SSPM 根据观测到的残差结果和失败状态进行更新，从而精炼未来“上下文-模态”对的统计数据。

核心设计原则

残差学习： 记忆并不预测绝对的因子质量（否则会重复基础评分器的功能并增加过拟合风险）。相反，它学习局部编辑相对于基础预期的残差增益。
校准修正： 系统使用置信度门控和预热调度，以确保只有在证据具有统计显著性时，记忆才会影响搜索。
不对称性： 系统优先考虑规避已知的失效模式（硬否决），而非激进地利用潜在的成功模式（软提升）。

主要贡献

结构化搜索过程记忆 (SSPM)： 一种新型记忆架构，它存储边级证据（父上下文 + 编辑模态 $\to$ 结果），而非节点级的最终得分或完整轨迹。
AST-Diff 编辑模态： 一种直接从语法树差异中提取紧凑、可复用的符号抽象（LLM 生成的编辑）的方法，实现了精确的信用分配。
置信度门控残差融合： 一种将记忆视为对强有力搜索账本先验进行有界、校准修正的机制，防止早期的噪声观测主导搜索策略。
非对称过程否决： 一种控制机制，能够积极抑制高置信度的失败模式，同时将正面模式视为软偏好，从而应对金融数据的非平稳性。

实验结果

作者在 CSI 500（中国 A 股）和 S&P 500（美国大盘股）上使用 20 个交易日的预测协议对 AlphaMemo 进行了评估。

性能表现： AlphaMemo 的各变体均取得了强劲的样本外表现。
- 在 S&P 500 上，“残差（Residual）”配置在 IC、RankIC、RankICIR、年化收益率和夏普比率方面均优于基准模型。
- 在 CSI 500 上，“平衡（Balanced）”配置（较弱的记忆干预）表现出最强的预测和组合指标，优于 AlphaGen、AlphaGPT 和传统的遗传规划（GP）等基准模型。
发现效率： 在固定的生成预算下，与仅基于搜索账本的智能体和随机搜索相比，AlphaMemo 发现了更多有效且非冗余的因子。
消融实验： 对关键组件的移除实验证实了它们的必要性：
- 移除残差学习会降低稳定性。
- 移除置信度门控会增加对早期噪声反馈的敏感性。
- 使用手动标签代替 AST-diff 模态会降低发现收益。
- 移除非对称否决会削弱避免重复失败模式的能力。

意义与主张

论文声称 AlphaMemo 通过将记忆重心从“什么有效”转向“如何有效”，解决了自我演进型智能体在金融搜索中的特定挑战。

可解释性： 记忆表是可检查的，允许研究人员审计哪些编辑行为正在被促进或抑制（例如：“在上下文 $z$ 下，模态 $m$ 的平均残差为 $\Delta$ ”）。
稳定性 vs. 适应性： 通过将记忆视为残差修正而非策略更新，AlphaMemo 避免了在噪声金融反馈上对 LLM 进行微调所带来的过拟合风险。
泛化性： 该方法旨在独立于特定的 LLM 生成器或市场，转而依赖于符号搜索过程本身的结构。

作者总结道，结构化过程记忆（如果经过校准且具有非对称性）能够显著提高自我演进 Alpha 挖掘智能体的效率和鲁棒性，在静态因子库与不稳定的全轨迹记忆系统之间提供了一个折中方案。