Альфа-майнинг обозначает систематическое обнаружение сигналов, основанных на данных, способных предсказывать будущую доходность среза, и является ключевой задачей количественных исследований. В последние годы прогресс в области больших языковых моделей (LLM) породил фреймворки альфа-майнинга на их основе, которые предлагают оптимальный промежуточный путь между ручным руководством и автоматическими алгоритмическими методами, сочетая эффективность и семантическую глубину. В данной статье с точки зрения агента проведён структурированный обзор новых систем альфа-майнинга на базе LLM и проанализирована функциональная роль LLM в качестве майнера, оценщика и интерактивного помощника. Несмотря на достигнутый прогресс, остаются ключевые проблемы, включая упрощённую оценку производительности, ограниченные возможности числового понимания, недостаток разнообразия и оригинальности, слабую динамику исследования, утечку временных данных, а также риски «чёрного ящика» и проблемы соответствия требованиям. На этой основе мы очерчиваем направления будущего развития, включая улучшение согласованности выводов, расширение на новые типы данных, переосмысление схем оценки и интеграцию LLM в более универсальные количественные системы. Наш анализ показывает, что LLM как масштабируемый интерфейс может как усилить профильные знания, так и повысить строгость алгоритмов, преобразуя качественные гипотезы в верифицируемые факторы для усиления профильных знаний, а также поддерживая быструю обратную проверку и семантическое рассуждение для повышения строгости алгоритмики. В этой дополняющей парадигме интуиция, автоматизация и языковое рассуждение интегрируются, совместно формируя будущее количественных исследований.

альфа-майнинг;количественные инвестиции;большие языковые модели (LLM);агенты LLM;финансовые технологии