Альфа-майнинг — это систематическое обнаружение данных, основанных на сигналах, способных предсказывать будущую доходность, и является ключевой задачей количественных исследований. В последние годы прогресс в области больших языковых моделей (LLM) породил фреймворки альфа-майнинга на основе LLM, которые предоставляют идеальный промежуточный путь между человеческим руководством и методами автоматического майнинга, сочетая эффективность и семантическую глубину. В этой статье с точки зрения агентов представлен структурированный обзор новейших систем альфа-майнинга на базе LLM, а также анализируются функциональные роли LLM как майнера, оценщика и интерактивного помощника. Несмотря на начальный прогресс, остаются ключевые проблемы, включая упрощённую оценку производительности, ограниченные способности к числовому пониманию, недостаток разнообразия и оригинальности, слабую динамику исследований, утечки временных данных, а также риски «чёрного ящика» и вызовы по соблюдению нормативов. В связи с этим мы очерчиваем направления будущего развития, включая повышение последовательности рассуждений, расширение до новых модальностей данных, переосмысление схем оценки и интеграцию LLM в более универсальные количественные системы. Наш анализ показывает, что LLM, как масштабируемый интерфейс, может одновременно усиливать отраслевую экспертизу и повышать строгесть алгоритмов, превращая качественные гипотезы в проверяемые факторы и поддерживая быструю обратную проверку и семантические рассуждения. В этом комплементарном парадигме интуиция, автоматизация и основанные на языке рассуждения сливаются, совместно формируя будущее количественных исследований.

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