股票 
板块 
用户 
资讯 文｜姚紫薇 王超
本文探讨传统量化投研向 AI-Native 架构迁移的重构路径。我们在现有计算执行层之上加装研究控制层，通过强类型假设与因果证据账本约束 Agent 探索行为。模型自进化的生命力不在于盲目堆叠参数或海量代码生成，而在于建立具备因果归因与状态机自反纠偏的研究控制体系。最终实证显示，经过本框架优化后的策略使扣费年化为32.28%、夏普达 1.084。
点击小程序查看报告原文
简介
大语言模型为自动化量化研究提供了假设生成与任务编排能力，但也带来了实验不可比与样本前视等纪律风险。本文提出以研究控制层为核心的 AI-Native 框架，在保留底层高性能计算引擎的同时，重构权限受控关系与状态反馈闭环，实现从开放式无序试错向受控单变量实验的转型。
框架
系统解耦为研究控制层与计算执行层。控制层依托强类型 HypothesisSpec 锁定单一变更项，通过任务编译器实施差异白名单校验与主动对抗性故障注入。所有探索全量沉淀于因果证据账本，使负结果转化为进化资产，确保多轮自主探索具备严格的可复现性与基准可比性。
结果
以全市场日频选股为对象展开自进化实证。基准模型取得 20.44% 年化收益。早期粗暴拼接分钟特征因捕获日内瞬态噪声被系统淘汰；随后采用边缘残差重排与非对称下行惩罚，净年化提升至 25.22%、夏普升至 0.946；进一步通过自反诊断定位停牌持仓死锁，防阻塞换仓策略释放选股效力，净年化突破至 32.28%、夏普达 1.084，极端交易摩擦下仍保持 31.20% 净年化。
结论
模型自进化的生命力不在于盲目堆叠参数或海量代码生成，而在于建立具备因果归因与状态机自反纠偏的研究控制体系。系统将开放性任务拆解为受控的研究假设；依靠任务编译器、差异白名单、PIT 特征视图与对抗性注入等刚性代码守卫，系统确保了实验变量的纯粹与评判标准的刚性；而因果证据账本与重置机制，则让负结果成为系统进化的研究资产，实现了“AI 提出假设、程序严密受控、因果可复核”的现代量化研究范式。
一、简介
传统量化投研通常围绕数据加工、因子构建、模型训练与组合回测组织研究流程。在我们之前搭建的Factor Zoo 以及 Model Zoo 系统中，将因子生成、模型构建、筛选和评价纳入统一框架，为因子以及模型研究的标准化提供了基础。引入大语言模型后，研究系统可进一步承担假设生成、任务编排与结果解释，但实验发起方式的变化也对数据版本管理、样本使用纪律和评价一致性提出了更高要求。
本文研究的核心问题是：如何在保留传统量化框架计算能力的基础上，建立支持 Agent 连续研究的 AI-Native 架构，并使各轮实验满足相同的可复现与可比较要求。本文将围绕研究假设、工具执行、实验记忆和评价反馈能够在统一规则下衔接的研究组织方式，其评价对象包含研究过程的可控性，以及候选策略在组合层面的实际表现。需要解决的核心问题是：AI 连续开展多轮实验时，如何保证比较条件不被任意改变，结论仍能由研究员独立复核。
Vibe Quant 用 Research Harness 描述支撑这一过程的研究运行框架。其中，工具（Tool） 是能够被调用的数据处理、训练或回测功能；记忆（Memory）保存过去实验的信息；反馈决定下一轮研究方向。本文在上述流程中设置研究控制层，负责检查“这项实验是否允许运行、使用哪些数据、结果能否与基准比较”。执行层负责实际计算，多个层次共同完成从想法到结果的过程。
本文以“如何优化选股模型”为例：以现有模型为基准，通过Agent优化时，首先需要明确改善的是预测能力、训练稳定性，还是预测向持仓的转化，再分别提出假设并安排对照实验。再结合组合约束和执行规则用于检验改进能否落实为可交易收益。第二部分说明系统如何组织这一过程，第三部分结合历史结果分析各条研究路线，讨论实施步骤。
二、AI-Native 量化框架设计
在传统量化研究中，选股模型的迭代高度依赖研究员的人工试错：从诊断现有模型的预测衰减，到提出引入新的特征或调整网络结构的假设，再到编写脚本完成特征工程、模型训练与组合回测。这种人工模式不仅耗时费力，而且容易受到研究员主观认知偏差和多重检验后“选择性汇报”的影响。随着大语言模型（LLM）与智能体（Agent）技术的突破，利用 AI 自主调度投研工具、连续推进选股模型优化成为量化领域极具吸引力的新方向。然而，量化金融的本质是对抗噪声与过拟合；如果单纯给大模型一个无约束的编程环境去“刷高回测收益”，系统几乎必然会走向灾难：Agent 可能会悄悄使用未来披露的财报、无意识地放宽行业偏离来博取 Beta 收益、选入缺乏流动性的微盘股制造纸面富贵，或者通过在测试集上反复调参造成严重的数据窥探。
因此，AI-Native 量化架构的核心，绝不是让大模型无拘无束地编写代码，而是为其构建一套兼具“自主探索自由度”与“刚性研究约束”的研究控制体系。Agent是能够理解投研任务、自主调用工具并根据实验结果进行推理决策的智能体；而 AI-Native 架构，则是能够围绕 Agent 运行规律深度重构的研究基础设施。在这一架构下，Agent 负责提出创新假说与试验方案，系统程序则负责强制执行变量控制与数据验证，并将所有支持与否决证据永久归档，作为下一轮研究的决策依据。
本文将依次展开阐述：如何解耦优化目标与风险边界、如何将研究想法形式化为单一变量对照、如何通过底层代码守卫实现受控执行、如何利用因果账本沉淀负结果，以及如何将已有框架重构为AI-Native框架。
2.1 重构目标
要让 AI 有效承担模型优化任务，首先必须厘清选股模型评价的本质层次。在实际投资中，一次看似成功的收益提升往往包含了两种不同的机制：其一是模型真正的特征提取与截面预测能力（例如 Rank IC 的提升），其二是组合优化器在宽松约束下承担了额外的结构性风险（例如超配高弹性行业或暴露小市值因子）。如果不加区分，大模型很可能会通过放宽行业中性限制来换取更高的回测年化收益，并误将其归功于“模型选股能力的进化”。因此，架构重构的首要目标，就是将“模型预测能力的探索”与“组合风控及交易执行”彻底解耦。
基于这种解耦，研究框架必须确立以“基准优化”为核心的运行机制。任何一项模型优化任务，都必须始于一套边界清晰、回测口径完全锁定的基准配置。例如，研究员下发给 Agent 的目标是在中证 1000 股票池和特定跟踪误差预算下提升净超额收益，但同时明确锁死股票池范围、交易费率、调仓频率与滑点模型。Agent 的探索自由度被严格限定在已注册的特征库与特定的训练方式之内。AI-Native 模式与传统固定流程的根本区别在于：传统流程由人手动配置脚本、逐项运行，而 AI-Native 模式则由研究员把控约束边界，Agent 自主提出假设并组织对照，系统程序自动核验执行。
为了让 Agent 能够有的放矢地提出改进方案，系统需要提供标准化的基准分层诊断能力。当基准模型在某个区间表现走弱时，程序应在相同的时间切片内，并列输出预测层指标（如 Rank IC、IC 半衰期）、组合扣费前后净值、换手率以及细分行业与风格因子的主动暴露。这种结构化的诊断能够直接引导后续的研究假设：如果预测相关性与组合净值同步下行，说明当前特征或网络架构已难以捕捉市场 Alpha，应优先探索特征扩充或训练机制；如果预测 Rank IC 保持稳定但扣费后收益大幅缩水，说明换手成本过高或持仓调仓摩擦过大，应重点检查执行与标的流动性；如果超额收益上升的同时行业暴露剧烈发散，则必须在拉平行业约束的条件下重新检验。
在交互接口层面，传递给 Agent 的输入不能是一段模糊的自然语言提示，而是一份结构化基准摘要。这份摘要完整封装了当前模型的特征版本号、样本划分时间戳、预测与归因指标，以及当前正在生效的风控指标。对应的研究指令被标准化为清晰的契约：“在固定股票池、交易费率与目标风险预算不变的前提下，检验是否可以通过扩展训练参数范围或融入高频量价特征来改善模型表现；每次提交必须明确登记唯一改动项及预设的证伪条件。”这种契约化交互从根本上杜绝了指令歧义与无序探索。
在系统体系结构上，本文将系统分层解耦的多层架构：其中Agent的核心“研究控制层”，负责实验条件锁定、参数差异白名单校验、权限控制以及因果状态流转；二具体实现“计算执行层”，由高性能计算节点专门负责大规模矩阵运算、模型反向传播与回测撮合。如图 1 所示，这种严格的分工确立了一条核心铁律：AI Agent 享有提出假设、申请试验的充分权限，但绝对无权更改用于评判自身优劣的度量准绳与环境配置。
2.2 假设驱动
在有限成本与时间限制之下，仅仅简单的使用/goal或者/loop命令和一句宽泛的“帮我生成高夏普策略”提示词是无法有效的改进实验结果的。一个具备严谨性的研究假设，必须精确陈述：现有模型在哪个维度可能存在缺陷、本次实验具体修改了哪一项机制，以及观测到何种定量指标才算通过验证。例如，如果研究员或者Agent怀疑基准模型仅微调最后一层Linear结构限制了其表征容量，可以提出“在相同特征输入下，放开 Transformer 顶层自注意力块微调能否提升截面选股精度”的假设；如果怀疑日频量价未能反映日内微观博弈，则应另行提出“在模型结构不变的前提下，融入分钟高频量信号能否提供增量 Alpha”的假设。两个维度的猜想机理截然不同，绝不能在首轮实验中混杂在一起。
为了将上述研究猜想转变为可复现的代码实体，系统引入了研究假设规范（HypothesisSpec）元数据格式。每次实验提交前，Agent 必须声明当前对比的基准版本号、本轮唯一开放的变更项、预期影响的因果路径，以及双方共同引用的数据集、标签定义和交易费率。系统将 HypothesisSpec 固化为不可篡改的元数据记录。其核心目的在于：当实验产出净值曲线后，系统能够确凿无疑地将绩效差异归因于某项具体的改动，而不是在多参数变动的黑盒中寻找偶然表现优异的超参数组合。
在实验组织上，控制层强制遵循单一变量对照原则（A/B Testing）。如表 2 所示，模型优化方案在初期，可以划分为“训练机制候选”与“特征扩展候选”两组单变量分支。训练候选仅改变模型可训练参数的范围（如只微调网络vs 训练全网络），所有输入特征与组合参数必须与基准保持镜像一致；特征候选仅增加预先审批的一组新特征，模型训练逻辑分毫不动。只有当两项单变量实验均在样本外展现出稳健增益后，控制层才允许开启“联合候选”实验，以检验两者的超额收益是否存在协同增强效应。坚决禁止在未经单项验证的情况下，直接将多个改动的预期增量简单相加。
严谨的假设检验必须依托严格的时序切分与随机性约束。系统在底层数据流中强制执行时间前向隔离：特征工程的标准化参数、缺失值插补规则以及特征筛选，一律仅能基于训练期可见数据进行计算；如果选股标签跨越了样本划分的时间边界，必须严格剔除交叠窗口，严防未来信息泄露至评价区间。针对深度学习训练中广泛存在的随机种子敏感性问题，控制层强制要求使用预设的多随机种子集进行多次独立训练，并汇报指标的均值与方差分布，杜绝挑选最优单次随机表现的幸存者偏差。一旦某段测试区间的表现被用于反向调整超参数，该区间即被标记为已参与模型选择，丧失独立样本外地位。
对候选方案的考核必须穿透验证期指标，全面考察真实环境下的综合承受力。在量化实盘中，一种极为常见的过拟合表现是：模型在验证期内通过大幅提高调仓频率、频繁捕捉微小价格波动来换取虚高收益，但一进入样本外区间，高昂的交易冲击与佣金便迅速蚕食全部超额。因此，控制层不仅评估截面 Rank IC 与年化超额，更将换手率、最大回撤、跟踪误差与行业风格偏离列为参考否决指标。后续实证中展示的端到端全网络训练案例正是此类典型：虽然在验证期收益拔尖，但样本外换手翻倍且绩效断崖式下跌，直接被控制层熔断淘汰。
2.3 受控执行
连续量化研究能否得出可信结论，完全取决于实验比较条件的纯粹性与一致性。所谓实验口径，涵盖了底层特征版本、数据可得时间戳、股票池过滤规则、回测样本区间、交易费率与滑点模型。在真实的量化投研中，即使两次实验使用了完全一致的模型代码，只要其中一次实验无意中引用了被源头事后修正过的财务数据，收益差异就可能完全来自于未来函数的污染。此类隐性缺陷绝不可能寄希望于大模型在 Prompt 提示词中“自觉遵守约定”，而必须由底层的程序检查将其构筑为刚性的代码守卫。
为此，控制层部署了专职的任务编译器（Task Compiler）与沙箱执行进程（Worker）。当 Agent 提交一份研究假设后，编译器首先解析其声明的改动目标，并与既定基准配置进行深度校验。如果本轮实验登记的假设是检验模型结构，而生成的执行脚本中却隐蔽修改了交易佣金或扩大了选股池，任务编译器将立刻拦截该任务并触发告警退回。通过编译审查的安全任务被分发至隔离沙箱中的执行 Worker 运行，Worker 的文件读写与网络调用权限受到严格限制，确保单次试验既无法读取越权数据，也绝不可能污染全局基准环境。
在具体的配置审查中，编译器实施“基准深度复制加差异白名单”机制。当 Agent 申请运行训练候选时，程序底层自动对当前标准基准的配置字典进行深度拷贝，仅允许其在已审批的变更白名单字段上注入改动参数（例如仅允许修改“trainable_layers”或“learning_rate”）。在提交计算引擎前，程序对修改后的配置与基准字典逐字段进行二进制差分比对；一旦检测到非白名单字段（如股票池代码列表、买卖单边费率、滑点系数等）发生任何非预期改变，编译器将即时生成详细的字段级差异清单并强行中止提交。这一机制从根本上剥离了不可控的人为或模型失误。
数据维度的规则通过时序不可变的“特征视图（FeatureView）”来实现。特征视图在物理层面绑定了股票池范围、时间区间、数据版本哈希、缺失值填补算子以及标签截面窗口。更关键的是，特征视图强制落实了可得时点（Point-in-Time, PIT）校准规则：例如，上市公司季度财报只能严格从其在指定媒体首次公开发布的时刻之后进入模型特征矩阵，绝不允许按照季度财务报告期的名义截止日提前使用；在引入分钟量价信号时，特征视图会精密校验特征生成时间戳是否严格位于挂单撮合时点之前，坚决杜绝盘后量价数据穿越到盘中决策的致命前视偏差。
为了验证上述工程的绝对可靠性，控制层的测试套件中固化了对抗性的主动故障注入机制。表 3 汇总了自动化研究流程中必须由程序硬性固化的检查项。在系统持续集成过程中，测试套件会主动构造一系列恶意的异常输入：故意提交引用了未发布特征版本的任务，验证编译器是否会坚决拒绝；故意将分钟量价时间戳向未来平移 15 分钟，验证时点穿透防御是否准时熔断；故意并发提交重复的任务调用 ID，验证系统是否能正确实现幂等拦截；或者故意在回测输出中抹去持仓明细，验证评价器是否能拒绝生成不完整的净值报告。唯有通过所有对抗注入测试，控制层才被准许投入实际使用。
在自动化长程探索中，任务的“计算完成”绝不等于“研究通过”。当节点故障导致连接中断时，Agent 首先应通过任务 ID 查询任务状态，而非重复无序提交；当执行输出缺少完整的每日持仓记录或逐笔成交明细时，系统严禁仅根据返回的单一年化收益率直接得出结论。此外，为了防止 Agent 在无效方向上无限陷入调参泥潭，控制层预设了刚性的停止机制：包括单项假设的搜索预算上限、连续多轮未获得统计显著性增量时的自动熔断，以及回撤或行业偏离突破阈值时的一票否决。这些停止红线由研究员事先确立，在整个实验周期中保持绝对刚性。
控制层格外重视对数据窥探轨迹的审计与记录。在量化界，一个经典陷阱是研究员在观察过测试集的具体表现后，重新回过头去调整特征筛选阈值或模型结构——即使该区间在代码命名上仍叫“测试集”，但由于人类或 AI 的先验经验已经渗透其中，该区间在统计学上已经变成了“拟合样本”。控制层通过审计日志忠实记录 Agent 针对不同时间切片的查阅与调参历史；一旦检测到针对特定评价区间的反向适应，系统便会将该区间标记为“已知样本”，并强制要求该策略必须在新到达的完全盲测数据上进行参数冻结检验。
2.4 证据反馈
传统的机器学习实验追踪工具（如 MLflow、W&B）通常只负责被动地存储超参数、模型权重和一维的绩效标量（如 Loss, IC, Sharpe）。然而，在 AI 自主推进研究的高阶场景中，大模型进行理性推理的前提不仅是知道“数字是多少”，更必须理解“该结论在何种前提与约束下成立”。一个具有自我进化能力的研究系统，需要建立因果研究记忆（Causal Research Memory）：它必须完整串联研究假设、基准口径、候选方案、原始输出与定性判断依据。只有这样，当 Agent 在后续研究中检索旧结论时，才能准确认知该策略的环境适用边界。
证据反馈的核心原则，是严密防范“预测改善”与“组合增量”之间的逻辑脱节。在量化选股中，股票收益预测值与实际收益排名的截面相关性由 Rank IC 衡量；然而，一个新增特征即使能够取得漂亮的 Rank IC，也完全可能因为其信息与既有特征高度重叠，或者其选股信号高度集中在流动性匮乏的股票上，导致最终投资组合在扣除滑点与手续费后净收益不增反降。因此，控制层的评估反馈绝不停留于 IC 层面，而是全面穿透至投资组合层面，综合跟踪误差（TE）、信息比率（IR）、双边换手率以及行业偏离度进行立体评估。
表 4 展示了实验结果如何被Agent转化为下一轮研究任务。值得特别强调的是，表中由实验现象引出的后续建议，仅仅是待检验的研究方向，不能被直接当成已经坐实的因果归因。例如，当全网络微调模型在样本外表现退化时，只能在事实栏中记录“该候选未通过样本外筛选”，而不能轻率断定“全网络微调必然无效”或“模型出现了过拟合”；当分钟信号导致行业偏离扩大时，也不能直接认定全部超额均来自行业博弈。系统在底层严格区分“观察到的客观事实”与“主观提出的可能解释”，坚决避免将未经验证的推测在后续的多轮推理中当作既定事实循环引用。
在长程研究中，Agent 检索历史知识的机制直接决定了后续探索的质量。传统的向量数据库通常仅依据语义相似度进行自然语言检索，这极易导致 Agent 找回“问题描述非常相似，但数据版本或费率口径完全不可比”的错误经验。为此，控制层实现了“可比性条件优先的检索机制”：在 Agent 发起新一轮假设探索前，系统首先在元数据层强制过滤，仅筛选出数据版本兼容、标签定义一致、股票池相同的有效历史记录；在此基础上，系统同时推送正向支持证据、被否决的负向记录以及已知但未解决的技术缺陷。这种完备的证据画像能够直接避免 Agent 重蹈覆辙。
为了实现高效率的因果沉淀，控制层将每项实验的产出标准化为严格的五元组格式：[客观事实、比较口径、可能机理解释、当前裁决状态、下一步检验计划]。以端到端全网络训练为例，其记录被严密规范为：事实栏记录“2022 年验证期超额提升，但 2023 年后 IR 跌至 1.309 且换手升至 12.61 倍”；解释栏标记“高自由度参数可能诱发了样本适应与泛化衰退”；裁决栏标记为“未通过筛选，封存当前架构”；下一步检验栏则明确指出“若重新探索，应缩减可训练层级或引入参数正则化约束”。正是这种高密度的因果记录，让历史实验真正转化为了约束与指导后续行动的智力资产。
在物理架构上，系统由实验记录器（Recorder）与证据账本（Evidence Ledger）协同实现上述逻辑。Recorder 负责存储模型权重、逐日预测截面、交易流水与净值明细；Evidence Ledger 则以轻量图结构追踪实验元数据与因果血缘。尤为关键的是，真实金融数据往往存在源头修正或历史错误清洗。在本项目实证周期中，数据审核Agent复核发现部分历史因子存在数据对齐瑕疵。得益于 Evidence Ledger 完备的依赖图谱，系统精准识别并撤销了所有挂载在该批因子之上的衍生模型与研究结论，实现了可信研究纪元的一键重置（Epoch Reset）。案例表明：一个合格的投研记忆系统，必须具备管理结论生命周期的撤销能力，而非盲目累积不可靠的历史资产。
2.5 架构落地
上述研究控制层的构建，并不需要全盘重建基础设施，而是可以在现有研究框架的基础上进行搭建。以传统因子或者模型架构为例，一般包含数据层、表达层、搜索层、评估层与资产化层，所需的数据清洗、算子编译、因子挖掘、因子测试、模型测试、模型优化等接口功能均已包含在内。系统重构的重点在于对这些底层功能实施彻底的原子化解耦，避免复合脚本内部隐式的上下文依赖，并通过形式化的强类型接口定义与清晰的调用边界，使算法能够无歧义地精准调度。
AI-Native 重构的核心实质，是在先有的计算执行层之上叠加一层具备状态感知与因果反馈能力的研究控制层。这一转变并没有重写底层的计算引擎，而是系统重塑了各功能模块之间的权限约束关系与状态反馈机制，使零散的算子调用变为受约束、可审计且持续自进化的工程体系。
在搜索、评估与资产化层面，系统彻底摒弃了向大模型开放无约束 Python 代码执行权限的高危做法，转而将其封装为输入输出强类型的标准化工具集（Tools）。在搜索层，因子与模型算子向 Agent 开放，Agent 只能通过参数化接口声明搜索范围与迭代上限；在评估层，回测引擎由控制层统一调度，强行注入前述的基准比对与多维风险归因探针；在资产化层，经过多轮审计最终胜出的模型被授予正式版本号并归档，同时被淘汰的负结果与失效数据依赖也被同步永久建档。这种全流程工具化，确保了 Agent 的每一步操作都在既定规程中受控受审。
实践中建议分五个阶段循序推进：第一阶段“工具化”，实现所有训练与回测流程的 API 标准化封装；第二阶段“因果追溯”，打通 HypothesisSpec 与证据账本的图谱，确保任何不可比实验均被程序自动拦截；第三阶段“受限自动搜索”，在限定算力预算下放开 Agent 的自主假说提出与验证；第四阶段“前向影子验证”，在参数完全冻结的前提下接入实时数据流开展模拟运行；第五阶段“生产应用”，结合人工终审闸门完成上线准入。
在具体的工程落地初期，应当从打通一条“最小闭环研究链”着手。首先由资深研究员人工选定一个成熟的日频模型作为基准，并指定一个具体的改进方向（如检验微调参数范围）；Agent 依据标准契约生成结构化的申请 Payload，任务编译器在毫秒级内完成差异白名单比对与数据版本校验，Worker 节点执行计算后，比较器向 Agent 返回包含 Rank IC、超额收益与风险敞口差异的紧凑摘要。在整个交互过程中，Agent 的上下文仅传递关键结论与指标摘要，大体量的逐日预测与成交持仓依然由底层的文件系统独立托管，确保了系统的轻量高效与极速响应。
首轮系统的工程验收标准，重点在于“完全确定性复现”与“主动防御有效性”。一方面，系统要求通过 Agent 工具接口提交的任务，必须与研究员通过传统命令行人工触发的任务在同等配置与固定随机种子下，取得数值完全一致的输出；若允许随机波动，亦需在相同种子序列下严格收敛至预设的微小容差之内。另一方面，必须针对前述的未发布特征、时序穿透、重复调用等异常用例进行对抗性注入测试，确保系统在所有越界情形下均能百分之百精准抛出异常并拒绝执行，坚决杜绝因接口隐蔽缺陷引发的虚假优化。
三、结果与分析
3.1 策略结果
在上文搭建的AI-Native架构中，研究控制层由数据层、任务编译器、沙箱执行引擎、回测与知识库等关键模块协同构成。本章以全市场日频选股为例，介绍围绕深度量价模型展开的自动化进化研究。
在开始优化模型之前，首先需要确定数据范围与回测设置。在数据层通过标准数据加载工具，从 Factor Zoo 统一提取不可固定的 26 维基础量价时序，使用过去60 日的时间序列作为初始输入特征。为了确保交易的可执行性，除了剔除ST，停牌股票，限制涨跌停交易之外，我们还剔除了过去 20 个交易日的平均日成交额后 100的标的。在执行端，以T+1 日以全天成交量加权平均价 VWAP 撮合；单股当日成交上限设置为该股实际总成交量 10% ；交易费用为买入 5bp、卖出 15bp 及最低 5 元佣金。
在严格的可交易约束下，以 2016 年至 2021 年数据作为模型训练集，2022 年为验证集，将 2023 年至 2026 年 7 月 31 日设置为测试集。实验记录器 Recorder 将模型权重 Checkpoint、每日预测评分与交易流水持久化为本地文件，方便后续进一步分析。表 6 汇总了初始模型与最终优化后模型的表现：原模型在测试期的净年化收益为 20.44%，夏普比率为 0.815，最大回撤为 -39.85%，年化双边换手率为 8.53 倍。
以上述的成功进化路径为例，在Agent自动研究初期，尝试了各类数据作为模型输入，均未能带来有效提升，例如将分钟输入与原始日频数据拼接后，模型的收益反倒下降为17.8%，然后Agent尝试新的研究方案，利用分钟数据重新训练一个残差XGBoost模型，此模型的训练标签为未来5日收益对于原基准模型的残差，作为与原模型正交模型，用于学习原模型未曾学到的信息，新的模型带来了小幅提升。此后Agent沿着这条路径继续优化，下一步是Agent在总结许多失败案例时发现，模型RankIC提升并没有带来最终策略的收益提升，据此认为是模型训练标签与交易之间存在割裂，RankIC统计全样本的相关性，而实际只交易头部多头组的股票，为了缓解此问题，Agent重新设计了非对称损失函数，原理是给予多头组股票更高的权重，空头组股票更低的权重，以此来匹配实际交易的情况，最终此模型的收益达到了25.2%。最后一步，Agent将经过优化之后的原模型与正交的分钟模型进行加权合成，得到的组合模型收益进一步提升，实现了32.3%的收益。
分年度数据表明，策略在 2023 年、2024 年与 2025 年均展现出显著的阶梯式增长，仅在 2026 年截至 7 月的市场极端风格分化中录得阶段性负收益，反映了全市场纯多头策略在极端环境下的系统性风险承担。
3.2 压力测试
为了进一步分析策略的稳健性，系统会对策略进行压力测试，在全市场横截面选股中，调仓换手率的高低直接受到交易执行中排序截断机制的制约。表 8 展现了调仓队列管理器对组合净值的微观影响。在纯日频基准中，每日最多替换 3 只标的（drop3）的机制，相比早期宽松的 drop5 设置，将年化换手率由 16.70 倍大幅压缩至 8.53 倍，换手降低近半，而扣费后净收益几乎持平（20.44% 对 20.45%）。若交易执行对边缘标的频繁触发买卖，双边摩擦将迅速侵蚀超额。调仓队列管理器通过参数敏感性分析识别到这一规律，自动收紧换仓截断点，以极少许的费前收益折损换取了摩擦成本的实质性下降与净值曲线的稳健。
当策略进一步演进至 200 只持仓的方案时，年化换手率进一步降至 7.60 倍，年化交易总成本控制在 1.13%。实验记录器 Recorder 记录的微观持仓审计显示，组合平均有效持仓股票数达到 190 只，历史单股最大权重仅为 2.51%，单股风险敞口高度分散。容量审计与清算推演器基于全天成交量 10% 参与率上限进行逆向平仓回溯推算，持仓股票的退出时间中位数仅为 0.69 天，95 分位数亦仅为 1.26 天，在日常交易环境下具备充足的组合资金容量。
为了检验策略对交易费用的敏感性：在基准费率基础上，对买入与卖出两端各追加 10 个基点（双边摩擦合计达 40 个基点），对历史全部交易路径进行全量回放。如表 8 所示，即使面对严苛的惩罚性滑点，优化后的最终方案依然保持了 31.20% 的净年化收益与 1.057 的夏普比率。
3.3 模型优化
在 AI-Native 研发流程中，模型训练绝非人工运行脚本或调用库函数的黑盒拼接，而是由 Agent 基于强类型的 HypothesisSpec 声明式驱动。下表记录了实验中一条成功的研究进化路径。在最初的探索阶段，Agent 向任务编译器提交了一份使用分钟数据来提升原模型表现的假设，编译器调度 GPU 训练节点执行全局回归训练。回测结果显示，该方案在验证集上虽然微幅推升了 Rank IC，但在回测测试中，净年化收益由基准的 20.44% 跌落至 17.83%，年化换手率暴增至 20.74 倍。回测归因Agent自动输出诊断报告：高维高频特征在全市场空间内的无序叠加，导致模型迅速被日内瞬态噪声捕获，引发严重的样本外过拟合。
面对特征拼接的失败反馈，Agent 调阅因果证据账本中的失败记录，重新推导信号尺度的分工机制：原模型已经在全市场宏观时序上确立了稳固的选股底座，高频特征的真正价值不在于推翻全局排序，而在于刻画日频模型难以捕捉的短期流动性失衡。为此，Agent 提交了一份新的 HypothesisSpec：将改进目标声明为分层残差学习。任务编译器生成多阶段执行图：原模型保持冻结，调度 GPU 训练 XGBoost 模型，其标签被严格定义为预测全天 VWAP 成交后未来 5 日隔夜收益相对于原模型分数的横截面残差。将净年化收益稳健推升至 21.78%，夏普比率提高至 0.853，且换手率稳定在 8.56 倍。
在残差框架确立后，真正的架构跃升发生于训练目标与投资效用的对齐。评估工具反馈指出：传统均方误差或 IC 损失对全截面所有股票一视同仁，且对上涨与下跌误差对称惩罚；然而在多头投资实践中，组合仅买入排名最靠前的极少数标的，且对建仓初期即遭遇的下行回撤具有极高的厌恶。基于这一痛点，Agent 自主构建了第三代优化模型：带有非对称下行惩罚的效用目标模型 AsymmetricDownsideLoss。Agent 在损失函数定义中显式植入了对建仓前 5 日亏损的加权惩罚，并对头部优势样本施加非线性加权残差训练，由任务编译器下发给 GPU 训练沙箱执行反向传播。让训练目标直接服务于多头投资的真实效用函数，带来了显著的业绩提升：如表 9 所示，全市场融合方案的净年化收益跨越式提升至 25.22%，夏普比率达到 0.946，充分证明了损失函数与业务效用对齐的深远价值。
最终在原模型基础上融入分钟模型后，方案净年化收益最终达到 32.28%，夏普比率突破至 1.084，且年化双边换手率降至 7.60 倍。
3.4 交易优化
在模型演进过程中，回测引擎曾深入检验了不同交易机制对净收益的冲击。在早盘抢单假说的驱动下，曾尝试构建两阶段执行器：在早盘开盘前 30 分钟内，允许每只股票最多使用该窗口成交量的 10% 按前 30 分钟 VWAP 撮合，剩余未完成订单再使用后续流动性撮合。回测表明，虽然该方案使毛年化收益微幅提高 0.07 个百分点，但由于在开盘高波动期间过度消耗瞬时流动性，导致非线性市场冲击成本激增，扣费后净年化收益反而倒退 0.12 个百分点。控制框架据此坚决否决了早盘分段撮合的复杂化设计，坚守了稳健的全天 VWAP 撮合基准。
类似地，因果证据账本 Evidence Ledger 还系统排查了其他各类虚假执行幻象。例如在尾盘定时撮合测试中，14:45 附近撮合相对全天 VWAP 每年带来约 1.1 至 1.3 个百分点的净损失；而若采用仅在早盘买入、未成交直接弃单的极端方案，虽然账面最大回撤收窄至 -22.73%，但其代价是导致组合平均现金闲置高达 27.57%，严重牺牲了策略的资金利用效率。此外，框架在回测状态排查中还识别出了冷启动状态伪影：若从 2023 年首日以空仓启动，首日全额建仓会引入非典型的冲击摩擦；通过配置冷启动状态消解器预设 2022 年预热期，使组合在进入 2023 年时已处于满仓运行的平稳状态，彻底排除了初始状态对样本外评估的干扰。
回顾这一系列演化实验，最关键的启示在于：决定深度选股模型实盘成败的核心瓶颈，往往不在于神经网络结构的复杂度，而在于整个研究体系是否具备因果归因与状态机自反纠偏的能力。在特征拼接失效时，体系没有盲目扩大搜索空间，而是通过证据账本及时止步并转向分层残差；在面对回撤痛点时，体系直击传统统计损失与实际业务脱节的理论缺陷，实现了训练目标向投资效用的对齐。这种在数据准入、算法目标与执行机制之间保持全链路因果审慎的研究控制层，正是 AI-Native 投研模式区别于传统人工脚本试错的根本所在。
3.5 失败与诊断
一套成熟的自进化体系，其核心能力不仅在于能顺境前行，更在于遭遇反常指标时能否穿透表象进行深度的自反诊断与程序纠偏。在第一章的架构设计中，因果证据账本 Evidence Ledger 与记录器 Recorder 承担着追踪实验血缘与回溯微观状态的核心职能。
本实验的调优过程中，最具启发性的一幕，莫过于新微调模型接入策略时触发的换仓队列死锁排查。当时，Agent 对原模型核心结构进行了超参数优化，训练出了引入学习率 0.00488、dropout 0.068、关闭 MoE、输出 BatchNorm 的调优模型。该模型在离线离散测试中展现出卓越的截面排序能力。然而，当任务编译器将这一新模型作为单一变量替换入标准回测时，出现了异常结果：净年化收益暴跌至 9.68%，夏普比率低至 0.474，而年化双边换手率反常收缩至 1.05 倍（相当于近一年不换仓）。传统人工研究极易将其武断归咎为深度模型样本外过拟合并直接放弃该模型；但控制层启动了自动化流水线状态异动诊断。
自反诊断探针深入穿透 Recorder 逐日落盘的持仓状态转移日志 PortfolioState，逐笔核对撮合记录，终于揪出了潜藏在传统 TopK 换仓状态机底层的机制缺陷：原策略的调仓逻辑是每日挑出持仓中预测分数最差的 3 只股票卖出；然而，当持仓中出现停牌或行情缺失股票时，这些股票因缺乏预测分数被默认归入卖出队列末端，但在撮合执行时又因停牌根本无法成交。由此产生了致命死锁：这几只无法卖出的停牌股票日复一日霸占了仅有的 3 个调仓卖出名额，导致下游算法计算出的可用买入配额恒等于零。整个组合彻底丧失了调整持仓能力。查明原因后，Agent 在组合层程序化合成了防阻塞换仓策略 UnblockedTopkStrategy：将无法成交的停牌标的从调仓限额中解耦挂起，腾出名额确保正常标的顺畅流转。底层机制修复后，调优模型的真实潜力瞬间释放：新模型单体表现迅速恢复至 24.58%，与分钟残差专家融合后更是跃升至 32.28% 净年化收益与 1.084 夏普比率。这生动证明：很多时候看似是模型的失败，实则是交易工程状态机的死锁掩盖了真正的 Alpha。
由于我们设定的目标为优化策略的夏普与收益，所以最终策略为全市场无杠杆绝对收益纯多头配置，平均持仓 100 至 200 只股票，在市场系统性熊市或微盘流动性危机期间必然承担市场整体 Beta 回撤。Agent也曾尝试指增等相对收益策略，但由于其效果未超越现有策略，均予以放弃。
从负结果反馈到换仓队列死锁的程序化修复，因果证据账本与自反诊断引擎共同构成了模型自进化的基础。整个策略的不断进步，不仅体现在发现了多少能够跑赢基准的参数与结构，更体现在建立了一套能够持续沉淀错误、排查工程暗坑、并从失败中提炼新假设的制度化机制。
3.6 实践启示
通过整个Agent流程的不断优化，我们也从中总结出一些实践经验：
在考虑成本的情况下，完全脱离先验知识的开放式探索往往效率低下（例如/goal寻找高夏普策略），Agent极易通过过拟合历史样本的局部噪声来迎合单一指标，生成无法在实盘中兑现的虚假超额。更为稳健的做法，是由研究员注入初始假设，引导Agent在边界清晰的基准与先验框架内展开渐进式受控演化。
在自主探索过程中，算法极易在某一狭窄的特征或参数空间内过度挖掘，导致策略收敛至不稳定的局部最优解。例如在单一量价时序模型内部持续增加模型复杂度，导致样本外的快速衰减。此时，应该主动引入具有正交性的外部信息源或异质性模型，才能实质性补足现有策略在不同市场状态下的预测盲区。
模型自进化的优势不在于盲目堆叠参数或生成海量代码，否则在最终实践中难以理解和应用。应该依托研究控制层，通过数据服务层、任务编译器、经验沉淀与自反纠偏，让算法实现可控演化。
模型自进化的核心价值，不在于盲目堆叠网络参数或无序生成海量代码，过度工程化只会加剧系统的脆弱性与黑盒不可解释性。AI-Native架构的核心优势在于依托完备的研究控制层，通过数据服务层的时点因果准入、任务编译器的强类型假设约束、证据账本的经验沉淀以及执行状态机的自反纠偏，确保算法在可审计、可复核的约束内实现真正的受控演化。
四、总结
本文系统阐述了在现有研究框架之上构建 AI-Native 研究控制层（Research Control Plane）的架构路径。系统将开放性的调参任务拆解为受控的单一变量研究假设（HypothesisSpec）；依靠任务编译器、差异白名单、PIT 特征视图与对抗性注入等刚性代码守卫，系统确保了实验变量的纯粹与评判标准的刚性；而因果证据账本与重置机制，则让负结果成为系统进化的研究资产，实现了“AI 提出假设、程序严密受控、因果可复核”的现代量化研究范式。
在全市场选股模型的系统演化中，详实的量化证据表明：盲目追求特征堆叠并不能带来稳健的 Alpha 收益，全市场粗暴拼接高维分钟特征及单纯模型替换均在发生严重回撤与换手异常，被控制层及时熔断诊断；而通过“入选边缘残差重排”与“非对称下跌惩罚效用目标”的渐进演化，成功克服了噪声过拟合；更具突破性的是，在换手骤降异常中穿透诊断出停牌持仓阻塞换仓队列的深层机制缺陷，通过构建防阻塞换仓策略释放了深度模型的真正选股效力，使扣费净年化收益跃升至 32.28%、夏普比率突破至 1.084。这充分证实：自动化量化投研的生命力，恰恰体现在能够穿透表象指标、完成因果自反诊断并持续协同优化模型与执行机制。
本报告中所有数据结果是基于历史统计结果的展示，未来有可能发生风格切换导致因子失效的风险。模型运行存在一定的随机性，初始化随机数种子会对结果产生影响，单次运行结果可能会有一定偏差。历史数据的区间选择会对结果产生一定的影响。模型参数的不同会影响最终结果。模型对计算资源要求较高，运算量不足会导致结果存在一定的欠拟合风险。本文所有模型结果均来自历史数据，模型存在统计误差，不保证模型未来的有效性，对投资不构成任何建议。
姚紫薇：金融工程及基金研究首席分析师。上海财经大学管理学硕士，厦门大学统计学学士，在基金研究、资产配置、产品设计、财富管理等领域均有长期深入研究。曾担任招商证券基金评价业务负责人，多次获得“新财富”金融工程方向前三（团队核心成员）
王超：南京大学粒子物理博士，曾担任基金公司研究员，券商研究员，有丰富的研究和投资经验，2021年加入中信建投，主要负责量化多因子选股。
证券研究报告名称：《Vibe Quant：AI-Native 量化投研架构与模型自进化实践》
对外发布时间：2026年10月15日
报告发布机构：中信建投证券股份有限公司
本报告分析师：
姚紫薇 SAC 编号: S1440524040001
SFC 编号: BXU265
王超 SAC 编号:S1440522120002
近期热门视频
更多精彩视频，尽在中信建投证券研究视频号，欢迎关注~
重要提示及免责声明
重要提示：
通过本订阅号发布的观点和信息仅供中信建投证券股份有限公司（下称“中信建投”）客户中符合《证券期货投资者适当性管理办法》规定的机构类专业投资者参考。因本订阅号暂时无法设置访问限制，若您并非中信建投客户中的机构类专业投资者，为控制投资风险，请您请取消关注，请勿订阅、接收或使用本订阅号中的任何信息。对由此给您造成的不便表示诚挚歉意，感谢您的理解与配合！
免责声明：
本订阅号（微信号：中信建投证券研究）为中信建投证券股份有限公司（下称“中信建投”）研究发展部依法设立、独立运营的唯一官方订阅号。
本订阅号所载内容仅面向符合《证券期货投资者适当性管理办法》规定的机构类专业投资者。中信建投不因任何订阅或接收本订阅号内容的行为而将订阅人视为中信建投的客户。
本订阅号不是中信建投研究报告的发布平台，所载内容均来自于中信建投已正式发布的研究报告或对报告进行的跟踪与解读，订阅者若使用所载资料，有可能会因缺乏对完整报告的了解而对其中关键假设、评级、目标价等内容产生误解。提请订阅者参阅中信建投已发布的完整证券研究报告，仔细阅读其所附各项声明、信息披露事项及风险提示，关注相关的分析、预测能够成立的关键假设条件，关注投资评级和证券目标价格的预测时间周期，并准确理解投资评级的含义。
中信建投对本订阅号所载资料的准确性、可靠性、时效性及完整性不作任何明示或暗示的保证。本订阅号中资料、意见等仅代表来源证券研究报告发布当日的判断，相关研究观点可依据中信建投后续发布的证券研究报告在不发布通知的情形下作出更改。中信建投的销售人员、交易人员以及其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本订阅号中资料意见不一致的市场评论和/或观点。
本订阅号发布的内容并非投资决策服务，在任何情形下都不构成对接收本订阅号内容受众的任何投资建议。订阅者应当充分了解各类投资风险，根据自身情况自主做出投资决策并自行承担投资风险。订阅者根据本订阅号内容做出的任何决策与中信建投或相关作者无关。
本订阅号发布的内容仅为中信建投所有。未经中信建投事先书面许可，任何机构和/或个人不得以任何形式转发、翻版、复制、发布或引用本订阅号发布的全部或部分内容，亦不得从未经中信建投书面授权的任何机构、个人或其运营的媒体平台接收、翻版、复制或引用本订阅号发布的全部或部分内容。版权所有，违者必究。
评论 (0)