AQuA：让量化研究Agent持续进化，回测结果经得起检验

AI 摘要

普林斯顿大学、蚂蚁集团和斯坦福大学的研究团队提出AQuA系统，用于量化交易研究Agent的递归自我改进。AQuA通过隔离数据路径和评价规则，防止数据泄漏和过拟合，在加密资产和美股预测中取得显著效果。该系统展示了自主研究系统需要区分新证据与偶然高分，并提供了可迁移的防泄漏设计思路。

正文节选

AQuA：让量化研究 Agent 持续进化，也让回测结果经得起检验 自主研究系统的上限，不只取决于模型有多聪明，也取决于系统能否分辨什么是新证据，什么只是一次偶然的高分。 量化研究员看到一条异常漂亮的回测曲线，通常不会马上庆祝。他们更可能先问：是不是哪里用了未来数据？测试集有没有被反复查看？收益是否只来自一段特殊行情？ 这套职业习惯背后，是量化研究最朴素的一条经验：产生一个好结果并不难，证明它值得相信才难。 当 Agent 开始自己提出假设、运行实验，再根据结果决定下一步时，这个问题变得更加棘手。一次没有被发现的数据泄漏，可能被系统当成成功经验保存下来；从那以后，Agent 不是在持续进步，而是在沿着一个错误结论越走越远。 来自普林斯顿大学、蚂蚁集团和斯坦福大学的研究团队，在论文《AQuA: Recursively Self-Improving Quantitative Trading Research Agents》中，把研究重点放在了这里。 AQuA 由两套独立系统组成：Part I 研究符号化因子，Part II 研究可训练模型。它们使用不同的 Agent、记忆和候选空间，却遵循

发布时间：2026-08-31 11:01

抓取时间：2026-08-31 11:14

来源机构：量子位