알파 마이닝은 미래 횡단면 수익을 예측할 수 있는 데이터 기반 신호를 체계적으로 발견하는 것을 의미하며, 이는 정량적 연구의 핵심 과제입니다. 최근 대형 언어 모델(LLM)의 발전은 LLM 기반의 알파 마이닝 프레임워크를 탄생시켰으며, 이 프레임워크는 인간의 지도와 알고리즘 자동 마이닝 방법 사이에서 이상적인 중간 경로를 제공하여 효율성과 의미적 깊이를 모두 갖추고 있습니다. 본 논문은 에이전트 관점에서 LLM 기반의 신흥 알파 마이닝 시스템에 대한 구조화된 리뷰를 수행하고, 마이너, 평가자 및 상호작용 보조자로서 LLM의 기능적 역할을 분석합니다. 초기 진전에도 불구하고, 단순화된 성능 평가, 제한된 수치 이해 능력, 다양성 및 독창성 부족, 약한 탐색 동역학, 시간 데이터 누수, 블랙박스 위험 및 법규 준수 과제 등 주요 도전이 여전히 존재합니다. 이에 우리는 추론 일관성 향상, 신규 데이터 모달리티 확장, 평가 방안의 재검토, 그리고 LLM의 보다 일반적인 정량 시스템 통합 등 미래 발전 방향을 제시합니다. 우리의 분석은 확장 가능한 인터페이스로서의 LLM이 도메인 전문지식을 증폭시키고 알고리즘 엄격성을 강화할 수 있음을 보여줍니다. 즉, 질적 가설을 검증 가능한 요소로 전환하여 도메인 전문지식을 강화하고, 빠른 백테스팅 및 의미 추론 지원을 통해 알고리즘 엄격성을 높입니다. 이로써 직관, 자동화 및 언어 기반 추론이 상호 보완적으로 융합되어 정량적 연구의 미래를 재구성합니다.

알파 마이닝; 정량 투자; 대형 언어 모델 (LLM); LLM 에이전트; 핀테크