AI挖因子：大语言模型如何辅助量化选股与因子挖掘

简介：这份国金证券金融工程专题报告聚焦大语言模型在量化选股中的落地路径，面向具备一定因子研究基础的量化从业者与金融工程学习者，系统回答如何借助ChatGPT完成高频因子挖掘与策略构建。压缩包内为1个PDF文件，约2.16MB，完整保留模型原理、提示工程指南、因子测试与回测结果等章节，便于按目录检索研读。目前已有248人学习。内容从Transformer架构、Scaling Law与RLHF训练流程讲起，给出角色、任务、指令三段式提示公式及思维链提示技巧；实战部分展示价量变异系数因子与买卖盘力量因子的生成与检验，其中日频多头年化超额收益达17.29%，降至周频后仍为9.77%至10.20%，并据此构建中证1000指数增强策略，在单边千分之二费率下年化超额7.17%、信息比率0.57。报告同时提示模型随机性、代码需微调及历史回测失效等风险，适合作为提示工程与因子挖掘结合的参考范本。

1. 当AI开始“挖因子”：一个让量化研究员既兴奋又警惕的概念

如果你最近听到有人聊“用ChatGPT选股”，第一反应可能是：一个聊天机器人，怎么就跟股票扯上关系了？打个比方，这就像你请了一位读过海量书籍、但从未进过交易大厅的实习生，让他从一堆价量数据里给你提几个选股思路——他不懂盘感，但他见过足够多的模式，偶尔能说出一些老手没往那想的角度。所谓“AI挖因子”，说的就是这件事：把大语言模型当成一个能对话的研究助手，用提示词引导它提出候选的选股因子，再由人去做回测验证。因子这个词听着玄学，通俗说就是“能区分股票好坏的一个可计算指标”。搞懂这个概念，你就能判断这类工具到底能帮你省力，还是只会给你添乱。

2. 大语言模型凭什么能碰量化：从“猜下一个词”到“给数据加权”

2.1 它本质上是个超级“接话高手”

GPT的全称是Generative Pre-trained Transformer，拆开看就是“生成式、预训练、变换器架构”。它的核心任务朴素得让人意外：给定前文，预测下一个词最可能是什么。训练时喂进去海量文本，模型在无数次“猜下一个词”的过程中，慢慢学会了词与词之间的关系、句子之间的逻辑。这就像一个读了无数本菜谱的人，虽然没真正下过厨，但你问他“红烧肉下一步该放什么”，他能接得很顺。ChatGPT在此基础上加入了连续对话能力，能综合上下文来回应，翻译、写邮件、写代码都是这个能力的延伸。放到量化场景里，你让它“根据价量数据提一个因子”，它其实是在用学到的语言和逻辑模式，拼出一个看起来合理的公式。

2.2 Transformer解决了老模型的两个硬伤

在Transformer出现之前，处理文本序列常用LSTM模型，它有两个明显短板。第一，它没法区分一句话里哪些词更重要，所有输入一视同仁；第二，句子一长，前面的信息就记不住了，大量细节丢失。2017年提出的Transformer用自注意力机制给输入的不同部分分配不同权重，相当于读书时会自动给关键段落画重点，还能同时看到前后文。这个改动让模型能处理更大的数据集、长得多的上下文，也为后来参数规模一路膨胀铺好了路。从早期上亿参数，到后来千亿级参数，模型能力随之跃升，这就是常说的规模定律——参数和数据的量变，会带来能力上的质变。

2.3 RLHF：让模型学会“说人话、办人事”

光会接话还不够，模型得知道什么样的回答更符合人类期待。RLHF也就是人类反馈的强化学习，分三步走：先请标注人员对一批指令做标注，用这些数据微调模型；再让模型对同一问题给出多个回答，由标注员排序，用排序结果训练一个打分模型；最后用打分模型去优化模型的输出，让它越来越贴近人类偏好的答案。打个比方，这就像教徒弟做菜，先给他示范几道标准菜，再让他做一桌，你按好吃程度排个序，他慢慢就摸清了你的口味。正是这套机制，让模型输出更接近人类的常识和表达习惯，也让它在被引导提因子时，能听懂“原创性”“逻辑支撑”这类要求。

3. 提示工程：决定AI输出质量的“提问说明书”

3.1 一个公式讲清怎么问

提示工程说白了就是研究“怎么问，模型才答得准”。最基本的提示公式包含三部分：角色、任务、指令。形式大致是“作为一个【角色】，按照这些指示生成【任务】：【指令】”。比如想让模型扮演客服，可以写成“作为一名客服人员，请生成客户询问的回复：这些回复应当专业、准确、简洁”。角色设定相当于给模型戴上帽子，约束它的回答视角；任务说清要它干什么；指令则进一步框定边界。三者越具体，输出越可控。在因子挖掘里，角色可以设成“资深量化研究员”，任务设成“给出一个选股因子”，指令里再补上“具有原创性、有逻辑支撑、业绩表现良好”这类限制，模型给出的东西才不至于天马行空。

3.2 思维链提示：逼模型把步骤摊开

思维链提示是另一种实用技巧，核心思路是让模型分步骤思考，把中间推导过程展示出来，而不是直接甩一个结论。这在处理复杂逻辑问题时效果明显。举个量化里的例子：IC指标也就是秩相关系数，常被用来评价因子好坏，但它有个漏洞——两个IC值相近的因子，实际多头表现可能天差地别。有的因子IC值0.22，多头组收益却不错；另一个IC值0.25，多头组反而垫底。直接问模型“怎么改进IC指标”，它往往给不出切中要害的答案；但用思维链一步步引导，先让它意识到分组收益差异的问题，再提示做空限制的现实约束，它才可能给出“给多头组更高权重、计算加权IC”这类靠谱思路。这个过程也暴露了模型的局限：它有时会生搬硬套，需要人不断纠偏。

3.3 提示类型不止一种

除了标准公式，提示还有多种类型。知识生成提示是把新信息与已有知识结合，生成新内容；情感分析提示是让模型判断一段文本的情感倾向；对抗性提示则是故意生成难以被简单分类的文本。在量化研究里，情感分析可以用来处理新闻热点，但由于模型本身有随机性，遇到情感词不明确的文本，结果会有波动，整体准确率尚可但不能全信。理解这些分类的意义在于：你得知道手里的任务适合哪种问法，而不是一套模板打天下。

4. 易混概念辨析：别把“AI提因子”想简单了

4.1 易混点一：AI提因子不等于AI替你炒股

很多人一听“ChatGPT挖因子”，就以为模型能直接告诉你买哪只股票。实际上，模型产出的是一个因子构建思路，比如“用收盘价和成交量的变异系数相乘”这类公式，它离可交易策略还隔着回测、降频、成本核算好几道关。为什么容易混？因为“选股”这个词把研究和交易揉在了一起。区分方法很简单：看输出物是公式还是买卖指令。模型给的是公式，能不能用、怎么用，得靠人拿历史数据去验证。

4.2 易混点二：IC值高不等于因子好用

IC是评价因子的常用指标，但它只衡量因子值与收益率的整体秩相关，不反映分组内部的差异。前面提到的例子就是血泪教训：IC值更高的因子，多头组可能表现最差。初学者容易把IC当成唯一标尺，看到数值高就以为捡到宝。区分的关键是看分组单调性和多头超额收益，IC只是入场券，不是判决书。真正决定因子能不能上策略的，是多头组在扣掉交易成本后还剩多少。

4.3 易混点三：日频表现好不等于周频还能用

高频因子在日频上往往亮眼，比如买卖盘力量差异因子日频多头年化超额能到17%以上，但它的衰减速度极快，隔天基本失效。有人看到这个数字就以为找到了圣杯，忽略了调仓频率和交易成本。为什么混？因为回测曲线好看，容易让人忘记实盘的手续费。区分办法是看因子在不同频率下的表现：降到周频后，原本的差异因子可能已经失效，而单方向的买盘或卖盘力量因子反而还能维持一定超额。频率一变，因子的生命周期就变了。

4.4 易混点四：模型会写代码不等于代码能直接用

ChatGPT对常用的量化研究框架和函数能给得比较准，但代码细节常有偏差，比如参数顺序、边界处理、数据对齐方式。新手容易直接复制运行，结果报错或结果失真。这跟“会背菜谱不等于能开餐馆”是一个道理。区分方法：把模型给的代码当成草稿，逐行核对输入输出，用小样本先跑通再上全量。微调之后的代码往往能大幅提升研究效率，但前提是你得看得懂它在干什么。

5. 什么时候该用、什么时候别用：一份边界判断

把大语言模型放进量化研究流程，最合适的定位是“提思路的助手”，而不是“出结论的权威”。具体来说，当你卡在因子构思阶段、需要一些跨领域的灵感时，用提示工程引导模型给出候选公式，再拿历史数据去验证，这条路是走得通的。报告里那套流程就是范例：先在中低频用价量数据让模型提变异系数因子，回测发现IC指标尚可但多头超额不足；再限定高频数据范围、要求用委托价和委托量，引导出买卖盘力量因子，日频测试多头年化超额可观，但衰减快；降到周频后，单方向力量因子仍有一定超额，最终用卖盘力量因子构建指数增强策略，在单边千分之二手续费下年化超额7%左右、信息比率0.57。整个过程里，模型负责“想”，人负责“验”和“砍”。

反过来，以下几种情况就别指望它。一是需要精确数值结论时，模型有随机性，可能答错，不能拿它的输出当最终依据；二是涉及交易成本和实盘约束时，模型对做空限制、手续费结构的理解常常不到位，得靠人补；三是市场环境变化后，历史回测出来的因子可能失效，模型不会主动提醒你这一点。还有一点容易被忽略：模型给的因子有时是现有文献的变形组合，原创性需要人自己判断，别把“它说原创”当成原创。

我自己的习惯是，每次让模型提完因子，都强制走一遍“公式抄下来、小样本回测、看分组单调性、再决定要不要降频”的流程，一步都不省。模型可以帮你少走构思的弯路，但验证的弯路一步都绕不过去。希望帮到你。

本文还有配套的精品资源，点击获取