Hubble Framework Utilizza LLM per la Scoperta Automatica di Fattori Alfa nella Finanza Quantitativa

Un nuovo framework denominato Hubble utilizza i Large Language Model come euristiche di ricerca avanzate per identificare fattori alfa predittivi nella finanza quantitativa. Affronta le difficoltà associate agli ampi spazi di ricerca combinatoria e ai bassi rapporti segnale-rumore presenti nei dataset finanziari. A differenza degli approcci automatizzati tradizionali come la programmazione genetica, che spesso produce formule complesse e difficili da interpretare soggette a overfitting, Hubble opera all'interno di un sistema di estrazione di fattori a ciclo chiuso. Questa struttura limita i LLM attraverso un linguaggio di operatori specializzato e un ambiente di esecuzione basato su Abstract Syntax Tree. I fattori candidati vengono valutati rigorosamente utilizzando una pipeline statistica che include metriche come il coefficiente di informazione di rango trasversale, il rapporto di informazione annualizzato e il turnover del portafoglio. Un ciclo di feedback evolutivo fornisce al LLM i fattori dalle migliori prestazioni e le diagnosi degli errori strutturati, consentendo miglioramenti iterativi nel corso di diverse generazioni. Questa ricerca è stata pubblicata su arXiv con l'identificatore 2604.09601v1.