在原創(chuàng)文章第495篇，專注“AI量化投資、個人成長與財富自由"。
AlphaGPT v0.1已經(jīng)發(fā)布——利用大模型來自動化生成因子。
之前的歷史文章，寫過的Quant 4個階段：
Quantlab3.0進展，結(jié)合Quant4.0的思考：全自動，可解釋AI量化是未來
原定計劃是進一步深化gplearn和深度強化學(xué)習(xí)Deepalphagen自動挖因子。DeepAlpha通用因子挖掘：支持GPlearn遺傳算法和深度強化學(xué)習(xí)挖掘因子（代碼+數(shù)據(jù)下載）
但近期大模型的發(fā)展，著實令人驚艷，傳統(tǒng)gplearn和強化學(xué)習(xí)，在因子挖掘上，最大的痛點，就是因子不可解釋，你也無法掌控它的迭代方向?！蛘哒f，它們本質(zhì)一樣，只是一種更高效的“暴力搜索”因子的方式。
不可解釋是一方向，更大的問題是“過擬合”。由于只求相關(guān)，不問甚解的方式，加上金融數(shù)據(jù)的低信噪比，過擬合幾乎成為常態(tài)。傳統(tǒng)做法是往更高頻走，去捕抓短暫的有效性；去找更多更高質(zhì)量的數(shù)據(jù)集等等?！@個方式，之于普通量化人，沒有任何優(yōu)勢。
既然如此，我們不如直接“跨進”Quant4.0，大LLM驅(qū)動力為基礎(chǔ)。這將是星球下一階段的重點。
這是絕對的前沿！
研報拆解：大語言模型LLM和多智能體(Multi-Agents)實現(xiàn)量價因子挖掘框架
AlphaGPT v0.1，基礎(chǔ)框架我搭建起來了，分成FactrGPT，以few-shot的方式，參考worldquant101按要求生成因子：
要求大模型直接返回它生成的表達式，以及——對于因子的解釋說明：
{
"expr": "(-1 * rank(((high - open) / open))) * rank(((low - close) / close))",
"desc": "這個因子表達式計算了每日的高低價相對于開盤價和收盤價的變動比例，并取其排名。然后，將這兩個排名進行相乘，并取其負值。這個因子可能捕捉到價格在日內(nèi)波動中相對于開盤和收盤的表現(xiàn)，從而揭示潛在的交易機會。"
}
核心代碼如下：
from langchain_community.adapters.openai import convert_openai_messages
def read_file_2_list(filepath):
with open(filepath, 'r', encoding='utf-8', errors='ignore') as f:
text = f.readlines()
return text
sample_json = """
{
"expr": 生成的因子表達式,
"desc": 對該因子表達式的解釋說明
}
"""
from langchain_openai import ChatOpenAI
import json as json
KIMI_KEY = 'sk-填寫你自己的key' # KIMI的KEY
class FactorGPTAgent:
def __init__(self):
self.sources = [x.strip() for x in read_file_2_list('worldquant_101.txt')]
optional_params = {
"response_format": {"type": "json_object"}
}
# openai_api_key = KIMI_KEY
self.model = ChatOpenAI(temperature=0, openai_api_key=KIMI_KEY, model='moonshot-v1-8k',
base_url="https://api.moonshot.cn/v1", max_retries=1, model_kwargs=optional_params)
def build_prompt(self):
prompt = []
return prompt
def run(self):
lc_messages = convert_openai_messages(self.build_prompt())
response = self.model.invoke(
lc_messages).content
print(response)
return json.loads(response)
if __name__ == '__main__':
FactorGPTAgent().run()
下周實現(xiàn)code GPT和eval GPT，可以實現(xiàn)因子自動化計算，評估，調(diào)優(yōu)和回測。
三者跑通之后，星球會再漲價，或者成員突破1000時漲價，二者滿足之一：
代碼下載：gplearn分鐘級因子挖掘（代碼+數(shù)據(jù)）
