💻 computer science

EVOQUANT: Self-Evolving Verifier-Guided Strategy Optimization for Robust Quantitative Trading

EVOQUANT 是一个自我进化的、由验证器引导的框架，它利用大语言模型实现量化交易策略诊断、编辑与验证的自动化，在显著提升其性能与鲁棒性的同时，消除了人工试错过程。

原作者： Jie Mao, Changlun Li, Xiang Li, Qiqi Duan, Jinhui Yuan, Xiang Liu, Yuyu Luo, Jing Tang, Xiaowen Chu, Nan Tang

发布于 2026-07-15

📖 1 分钟阅读☕ 轻松阅读

原作者： Jie Mao, Changlun Li, Xiang Li, Qiqi Duan, Jinhui Yuan, Xiang Liu, Yuyu Luo, Jing Tang, Xiaowen Chu, Nan Tang

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，你正在试图修复一个非常古老且极其复杂的蛋糕配方，而这个蛋糕的目标是赢得一场烘焙大赛。通常情况下，人类厨师必须亲自品尝蛋糕，猜测为什么它口感太干，调整烤箱温度，再次品尝，并祈祷自己没有不小心把盐当成了糖。这既缓慢又累人，往往会导致厨师一遍又一遍地犯同样的错误。

现在，想象一下你雇佣了一位超级聪明的机器人厨师（大语言模型）来帮忙。问题在于，如果你只是告诉机器人：“让这个蛋糕变得更好，”它可能会变得过于兴奋。它可能会幻觉出一个不存在的新配料，或者把配方改得面目全非，导致蛋糕变成一块砖头。它甚至可能通过只在一天中一个幸运的小切片上进行测试来欺骗自己，让蛋糕看起来完美无瑕，但实际上在现实世界中会失败。

这正是 EVOQUANT 这篇论文试图解决的问题。作者建议，我们不应该让机器人厨师放任自流，而是需要一个严格的**“试吃员监督员”**（即“验证器/Verifier”）来监督它所做的每一次改动。

神奇的食谱书：“策略基因组”

首先，系统将原始的交易策略（配方）转化为一种特殊的、结构化的“基因组”。你可以把它想象成一本乐高说明书，其中的每一块积木都有标签。你不能直接把整个东西砸碎；你必须以保持结构完整的方式，交换特定的积木（比如改变一个“买入”信号或“止损”规则）。这确保了机器人不仅仅是在瞎猜，而是在进行受控且逻辑严密的编辑。

侦探与编辑

该系统以循环的方式工作，就像侦探破案一样：

诊断： 机器人扮演侦探的角色，观察“犯罪现场”（历史表现数据）。它会问：“为什么这个策略亏钱了？是因为风险太高了吗？还是因为市场变化时它停止了交易？”它不仅仅是说“它失败了”，而是寻找具体的失败模式。
受控编辑： 基于这种诊断，机器人会提出修复方案。但关键在于，它不能提出任何修复方案。它必须遵循一个计划。如果问题在于策略对微小的市场变化过于敏感，那么机器人会被要求让策略变得更稳定，而不是增加更复杂的规则。
严格的试吃员（验证器）： 这是最重要的部分。在新配方被允许使用之前，它必须在机器人从未见过的“样本外数据”上通过严格的“试吃测试”。
- 如果新配方仅在训练数据上有效，但在新数据上失败了，验证器会说：“不行，这是个陷于表象的骗局。拒绝。”
- 如果新配方在最坏的情况下亏损过多，验证器会说：“风险太高。拒绝。”
- 只有当新配方证明自己确实更好且更安全时，它才会被提拔为“冠军”。

结果：从“难吃”到“美味”

作者在七种不同的交易策略上测试了这个系统（其中四种来自中国股市，三种来自比特币市场）。他们发现，该系统显著提升了策略的表现。

在机器人介入之前，平均“得分”（称为夏普比率，衡量单位风险所获得的利润）为 -0.298。这是一个注定亏损的游戏。在 EVOQUANT 系统介入后，平均得分跃升至 0.538。这是一个盈利的游戏。其中表现最好的策略相对于其原始水平提升了 199%。

作者证明了这并非偶然。当他们使用更高的手续费（就像参加一场更严格的烘焙大赛）或不同的时间段进行测试时，策略依然能够维持住表现，尽管收益略有下降。这表明改进是真实的，而非偶然现象。

这个系统不是什么

作者非常明确地说明了它不是什么。

它不是一个保证你会发财的魔杖。论文明确指出这是一个研究原型，而非财务建议。
它不是一个仅仅通过随机尝试各种改动直到撞大运的系统。作者证明了，如果去掉“诊断”步骤，仅仅让机器人进行随机编辑，结果会差得多。其中的“侦探”环节是必不可少的。
它不是一个能消除所有风险的系统。事实上，对于某些策略，系统接受了更高的风险（更大的价值回撤），因为潜在利润也因此变得更好。目标是更好的平衡，而非零风险。

核心结论

这篇论文表明，我们可以将修复交易策略这一混乱且手动的过程，转变为一个清晰且自动化的循环。通过使用机器人来提出修改建议，并使用严格的监督员来进行验证，我们可以进化出更聪明、更稳健的策略。作者通过模拟和对历史数据的回测测量了这一点，证明了这种“验证器引导”的方法比让 AI 自由发挥或完全依靠人工要更有效。

这就像拥有一个团队，其中富有创造力的艺术家（LLM）负责绘制新的设计，而安全检查员（验证器）会在飞机起飞前检查每一个螺栓。在这些模拟实验中，这些飞机的飞行表现确实比以前好得多。

技术摘要：EVOQUANT

问题陈述

量化策略优化传统上是一个依赖人工、劳动密集型的过程，需要领域专家来识别微弱信号、调整风险控制并迭代验证修订版本。虽然大语言模型（LLMs）提供了加速这一循环的潜力，但将通用型 LLM 直接应用于交易策略会引入关键风险：幻觉式编辑、策略漂移以及严重的回测过拟合。现有方法往往缺乏对所提修改建议的透明因果解释，或者无法区分真正的信号精炼与在众多自由度中的选择偏差。核心挑战不仅在于生成策略，而是在一个能够严格记录、验证并拒绝不安全编辑的协议下对其进行改进。

方法论：EVOQUANT 框架

EVOQUANT（自我进化验证器引导的策略优化）将量化策略改进重新定义为一个验证器引导的程序进化问题。该系统作为一个由四个模块组成的闭环科学过程运行：

1. 策略摄取与表示

系统将用户提供的策略（代码或规则文本）归一化为类型化策略基因组（typed strategy genome）。这种中间表示（ $g$ ）通过解析原始逻辑生成抽象语法树（AST），并标记交易语义（信号、入场/出场条件、风险规则、仓位规模）。基因组被分解为可编辑层，并包含用于追踪变异历史和策略家族的溯源元数据（ $\xi$ ）。这种结构确保了所有后续编辑都是局部化的、可执行的且受漂移约束的。

2. 基准评估与证据构建

在优化之前，系统通过在训练集、验证集和测试集上对现有的基因组进行回测，构建一个时序证据包（evidence pack, $E_t$ ）。该包包括：

标量指标： 回报率、夏普比率、最大回撤（MDD）、交易次数和胜率。
行为特征： 交易稀疏度、持仓期分布和回报集中度。
机制敏感性： 策略在不同市场机制下的表现。
风险诊断： 样本外（OOS）退化（ $\delta_{oos}$ ）及异常风险现象（例如，过度的止损触发）。

3. 诊断-生成优化循环

该核心模块通过诊断、生成和验证进行迭代：

瓶颈诊断： 基于 LLM 的智能体分析证据包，以识别特定的失效模式（例如，机制失配、阿尔法截断）。它生成一个搜索计划（ $p_t$ ），定义目标、搜索层级（从局部修复到家族迁移）以及允许的操作符。
受控候选生成： 在搜索计划和检索到的记忆案例引导下，LLM 生成一个编辑计划（ $\Delta_{t,i}$ ）。候选方案必须满足类型化编辑契约，确保语义漂移（ $d_G$ ）保持在界限内，并保留金融不变性。编辑范围涵盖从参数调优到结构重构。
样本外感知验证与晋升： 验证器在与现任基因组并行的过程中评估候选方案，并应用严格的硬性门槛（最小交易次数、样本外回撤限制、漂移约束）。通过门槛的候选方案按得分（ $Q$ ）进行排名，该得分平衡了验证集的提升与样本外性能，并对回撤扩张或压力测试失败进行惩罚。
自适应晋升： 系统将候选方案分配为 ADOPT（替换现任）、INCUBATE（存储以备后用）或 REJECT（拒绝）。内置的记忆模块将成功的模式和失败原因提炼为可重用的知识库，从而实现持续的自我改进并防止重复无效的编辑。

4. 迭代精炼与输出

循环持续进行，直到预算耗尽或达到收敛。最终输出包括优化的策略代码、一份全面的前后对比回测报告，以及完整的审计追踪（涵盖诊断、编辑计划和晋升决策）。

核心贡献

证据约束的策略进化： 本文将自动化优化形式化为受约束的程序进化，其中策略被表示为结构化的“交易基因组”。这支持了具有保留溯源性的局部化、可执行的编辑，超越了无约束的生成式搜索。
验证器引导的优化协议： 引入了一个统一且可审计的循环，其中 LLM 处理失效模式诊断和分层候选合成，而样本外感知的验证器和自适应晋升引擎则强制执行严格的安全性和鲁棒性标准。
长周期跨市场评估： 该框架在多种资产类别（A 股股票和比特币）及策略家族上进行了实证验证，利用前后对比、组件消融、交易成本压力测试和行走验证（walk-forward validation）进行评估。

实验结果

该框架使用 2020 年至 2025 年的数据，在七个具有代表性的策略（四个 A 股，三个加密货币）上进行了评估。

性能增益： 平均测试夏普比率从 −0.298 显著提升至 0.538。表现最好的策略实现了 199% 的相对提升。
鲁棒性： 在交易成本和滑点假设翻倍的情况下，平均夏普提升仍保持正值（0.700）。使用不同滚动窗口的行走验证确认，性能增益并未崩溃，尽管幅度有所变化。
消融研究： 去除自适应晋升引擎后，夏普提升从 0.982 降至 0.128，证明了自适应选择是核心驱动力。随机变异基准实现的增益较低（0.645）且更容易出现策略漂移，证实了诊断引导搜索的必要性。
市场适应性： 系统成功改进了低波动率股票市场和高波动率加密货币市场中的策略，降低了比特币策略的回撤，同时增加了 A 股策略的回报。

意义与主张

本文声称将量化策略优化从一种昂贵的人工试错过程转变为一种自动化的、可验证的且迭代的范式。

可靠性高于生成能力： 作品强调，LLM 在金融领域的价值不在于生成流畅的代码，而在于将编辑锚定在时序回测、交易覆盖检查和风险敏感的晋升机制中。
可审计性： 通过明确记录被拒绝的候选方案及其失败原因，EVOQUANT 解决了 LLM 交易智能体“黑盒”性质的问题，提供了透明的策略进化审计追踪。
科学流程： 该框架将优化视为一个包含假设、验证和修正的科学循环，通过严格的样本外验证来减轻数据窥探（data snooping）和回测过拟合。

作者将此工作定位为将 LLM 应用于金融研究的一步，同时明确指出该系统是一个在历史数据和简化执行假设下评估的研究原型，而非实盘交易建议。