Agent專題報(bào)告：RD_Agent實(shí)測(cè)，AI驅(qū)動(dòng)的因子挖掘框架.pdf

本報(bào)告對(duì)微軟亞洲研究院開源的RD-Agent框架進(jìn)行了實(shí)測(cè)，重點(diǎn)評(píng)估其在量化因子挖掘場(chǎng)景（fin_factor）下的表現(xiàn)。RD-Agent由“研究R”與“開發(fā)D”智能體構(gòu)成，依托Qlib框架作為量化基礎(chǔ)設(shè)施，通過“假設(shè)生成→任務(wù)分解→代碼實(shí)現(xiàn)→執(zhí)行回測(cè)→反饋生成”的五步循環(huán)實(shí)現(xiàn)因子研究的自動(dòng)化。

實(shí)測(cè)基于Wind A股數(shù)據(jù)，覆蓋5792只股票，完成36個(gè)有效Loop。結(jié)果顯示，組合雙周頻IC從0.0621提升至0.0699，觸發(fā)11次SOTA更新。在LLM選型對(duì)比中，GLM-V5.1在代碼魯棒性上顯著優(yōu)于DeepSeek-V3.2，后者頻繁出現(xiàn)輸出重復(fù)及編碼失敗。最終SOTA因子庫以交叉/交互、盈利質(zhì)量、分析師預(yù)期及現(xiàn)金流四類因子為主力貢獻(xiàn)。

報(bào)告指出，RD-Agent的核心優(yōu)勢(shì)在于因子研究效率大幅提升（預(yù)估月產(chǎn)約900個(gè)有效因子）、自動(dòng)發(fā)現(xiàn)人類盲區(qū)及累積式學(xué)習(xí)機(jī)制。然而，框架也存在運(yùn)行穩(wěn)定性差、LLM代碼質(zhì)量不穩(wěn)定、IC優(yōu)化目標(biāo)與實(shí)盤收益脫鉤以及對(duì)A股特殊機(jī)制把握不足等劣勢(shì)。機(jī)器學(xué)習(xí)類因子在激進(jìn)參數(shù)下易過擬合，導(dǎo)致ICIR提升弱于IC。綜合建議將RD-Agent定位為輔助因子研究工具，優(yōu)先用于新數(shù)據(jù)源探索與因子庫增量補(bǔ)充，并通過注入領(lǐng)域知識(shí)、多目標(biāo)優(yōu)化及迭代更強(qiáng)模型等方式持續(xù)改進(jìn)。