CosmosAlpha：多关系图搜索与帕累托引导的LLM因子挖掘

CosmosAlpha 用多关系图与帕累托选择改进 LLM 因子挖掘。

资讯摘要

论文提出 CosmosAlpha，一个基于图的 LLM 因子挖掘框架，将已发现因子表示为多关系图，编码生成谱系、表达式结构相似性和截面暴露相关性，并通过 Graph Flow 机制在图上传播搜索效用，使因子评估可借助邻近因子的关系证据。其帕累托引导选择同时权衡质量、繁殖力与多样性。作者报告在 CSI 300 和 CSI 500 上，CosmosAlpha-Graph 在七项预测与组合指标上取得最佳平均排名，并在所有报告指标上优于受控的 CosmosAlpha-MCTS 版本。源代码已公开。

要点速读

1. 将因子组织为多关系图，涵盖生成谱系、表达式结构相似性与截面暴露相关性三类关系。
2. Graph Flow 机制在图上传播搜索效用，帕累托引导选择联合考虑质量、繁殖力与多样性。
3. 作者报告在 CSI 300 与 CSI 500 上，CosmosAlpha-Graph 在七项指标上平均排名最佳，且各项指标均优于 CosmosAlpha-MCTS。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。