AI写的量化因子靠谱吗？好坏案例与核心陷阱

在量化投资领域，利用大语言模型（LLM）自动生成因子假设已成为一种前沿探索。RD-AGENT 项目通过多轮真实战役（涵盖 A 股、期货、加密货币市场，累计 290 个因子），系统性地解剖了 AI 生成的因子究竟长什么样。本章作为该系列第一章的收尾，基于多个独立战役的交叉验证，给出了一个核心判断：AI 的代码能力比它的金融直觉诚实得多。代码 bug 是显性的，跑不通就报错；但逻辑空洞是隐性的，假设再空，回测照样吐出一个数字，而这个数字还会进入排行榜参与选拔。

RD-AGENT 第三讲封面

一、像样的因子：数据边界决定了 AI 的品味上限

在期货面板中，真正具备产业逻辑的因子集中在人为提供的两列特色数据上：基差（期现价差） 和 持仓量。例如，基于期限结构的假设——深度贴水反映交割压力或悲观预期——AI 能构造出基差 z-score 进行均值回复或方向暴露。这类因子值得肯定，但产出方式值得警惕：数据边界是人画的。人把 basis、oi 放进面板，AI 才有素材往这个方向思考；没有这些列，它的假设空间就退化为纯量价。

这一现象在多轮战役中反复出现：AI 提出的"最有金融味道"的假设，几乎总是在人准备好的特色数据附近打转。据 B 站 UP 主和 YouTube 频道的分析共识，AI 的研究品味上限由数据面板的质量决定。它做的是"在给定素材空间内的高效搜索"，而非"开辟新的素材空间"。

反面注脚：一个 +18% 的假象

基差/期限结构方向上，工厂曾产出发现期年化 +18% 的 carry 策略，是全部战役中最亮眼的数字。后续审计发现这是双重复权 bug：面板构建时收益在换月处被扣减了两次。纠错后重算：+3.18%，t=0.66，不显著。从"接近可部署"到"统计噪声"，中间只隔一次口径审计。

在数据口径被验证之前，最像真的数字往往是最危险的数字。+18% 之所以差点骗过所有人，恰恰因为它"看起来太合理了"——期限结构 carry 本来就该有收益，bug 放大的数字落在了预期之内。

双重复权（double adjustment） 指在构建收益面板时，同一笔价格调整被施加了两次。期货合约存在换月（roll）问题：连续合约拼接时需要处理展期损益，常见做法是使用复权价格序列。若在生成连续价格时已做了一次换月复权，又在计算日收益时对换月日再次扣减价差，则换月当天的收益会被重复修正。这类 bug 不会报错，反而会在方向上放大 carry 类因子的表观表现——因为期限结构因子本就预期在换月附近有收益，被放大的数字恰好落在“合理区间”内，因此极难被肉眼识别。识别方法是对比换月日与非换月日的收益分布，或直接用未复权价格重算一遍做交叉核对。

二、平庸的因子：伪逻辑假设的三大特征

排行榜中段大量存在平庸因子。以 turn_of_month_rank（换月效应）和 overlay_reversal_liquidity（反转×流动性叠加）为代表，自报超额分别高达 +26.5% 和 +14.9%。但这类因子往往具备伪逻辑假设的三个特征：

自由度过高：两个已知现象（短期反转、流动性溢价）相乘或取交集，参数（回看窗口、过滤阈值、分位边界）全是可调的。参数空间越大，回测越容易找到好看的一格。
故事讲得好但机制模糊："流动性差的票反转更强，因为套利资金进不去"——听起来合理，但它同时能解释相反的结果（"流动性差的票动量更强，因为信息扩散慢"）。能解释任何结果的机制，等于没有机制。
评估次数多：turn_of_month_rank 经历 15 次评估、14 个版本。循环反复碰它，本身就是"数字靠多次尝试磨出来"的信号。

对照一个正例：在加密货币两轮战役后经独立验证确认的真信号是 vol_20d（波动率）和 reversal_5d（5 日反转）。这两个是文献里被反复验证过几十年的经典现象。AI 循环绕了一大圈，最后活下来的还是教科书因子。这不是巧合：教科书因子经过了几十年、几十个市场、无数研究者的"多重检验"，而循环内新造的叠加因子只经过了排行榜这一次选拔。

对 LLM 生成的新颖组合因子，默认假设是"参数搜索的产物"；举证责任在因子一方。经受过跨市场、跨年代检验的经典现象，先验天然高一档。

多重检验（multiple testing） 问题是量化研究中最容易被忽视的统计陷阱。当研究者对同一份数据反复尝试不同参数、不同组合、不同过滤条件时，即使真实信号为零，也几乎必然能找到一个“看起来显著”的结果。假设每次独立检验在 5% 显著性水平下产生假阳性的概率为 5%，做 20 次独立尝试后，至少出现一次假阳性的概率约为 64%。排行榜本质上就是一个多重检验发生器：它展示的是所有尝试中的最大值，而非期望值。因此，评估次数本身就是因子的“隐性成本”，需要在使用 t 统计量时做 Bonferroni 或 FDR 校正，或通过样本外/预注册验证来抵消。

三、翻车的因子：显性错误与隐性错误的不对称性

循环中的失败分为两种，教学价值截然不同。

跑不通型：代码报错（对齐错误、缺列、边界溢出）。这一类 AI 处理得很好——读报错、定位、自动修复、重跑，工程上无可挑剔。

隐性翻车型（危险得多）：代码跑通、回测数字完美，但逻辑上使用了未来数据（前视偏差）或口径错位。工厂自身没有任何警报机制——它和好因子在排行榜上长得一模一样，只能靠独立验证暴露。期货第一轮 136 个试验在预注册验证下全灭，其中一部分就属于这类。

代码错误是显性的，有即时反馈，AI 能自修；逻辑错误是隐性的，无反馈，AI 毫无察觉，人若不验也不知道。循环加速了第一种错误的消亡，同时加速了第二种错误的繁殖。

前视偏差（look-ahead bias） 指在计算某个时点的因子值时，用到了该时点之后才能获得的信息。常见形式包括：用当日收盘价计算信号却在当日开盘执行、用财报公布前的数据却按财报期对齐、用整个样本期统计量做标准化。前视偏差的可怕之处在于它几乎总会让回测结果变好——因为因子“提前知道”了未来。它不会引发代码报错，也不会在单一因子的指标上留下异常痕迹，只能通过严格的时间戳审计、逐行检查数据对齐逻辑、或使用 walk-forward 验证来发现。

四、AI 因子工厂的诚实画像

综合多轮战役的独立验证结果，可以给出一个清晰的评估框架：

代码实现：强。质量高、可自修，产出速度人力无法比拟。
假设生成：中。在给定数据素材内高效搜索，经典现象的再发现可靠，新颖假设多为高自由度重组合。
数据口径：弱。双重复权、基准伪影这类问题 AI 完全无感。
结果可信度：无内置机制。排行榜是多重检验发生器，头名不可信。
真正的瓶颈：不是"AI 会不会想因子"，而是"人会不会验证"。

290 个因子、自报超额最高 +26.5%、独立验证零存活——这一结论揭示了 AI 在量化研究中的真实定位。它不是替代人类研究品味的工具，而是放大了人类在数据准备与验证环节的职责。如果让循环在生成阶段就自动过滤高自由度的伪逻辑假设，可检查的特征包括：可调参数个数、假设能否被相反结果证伪、是否引用了特色数据列。

预注册验证（pre-registration） 源自临床试验的方法论：在查看结果之前，先书面锁定假设、样本区间、评估指标与显著性阈值，之后再跑数据。它的核心作用是切断“看到结果后调整口径”的后路，从而消除多重检验带来的假阳性。在量化因子研究中，预注册意味着因子逻辑、参数和回测方案必须在独立数据上一次性验证，不允许循环内反复微调。期货第一轮 136 个试验在预注册验证下全灭，正是因为预注册堵死了“多试几次总能碰对”的路径，暴露出循环内自报超额的虚高本质。