CogAlpha：广发金工复现的LLM全自动因子挖掘AI智能体

梵如谨科技 · 知源吸收 · 2026年06月21日

如果AI能代替你完成80%的因子研究工作量，你还会坐在电脑前手动写代码吗？

广发金工安宁宁、陈原文团队近期发布的研究报告，成功复现了CogAlpha——一个由LLM驱动的全自动因子挖掘AI智能体框架。整套系统的工作流包括：数据预处理→LLM驱动因子生成→因子测试（IC/IR分析）→因子迭代优化，形成完整的自动闭环。

与传统的因子挖掘不同，CogAlpha不是简单地枚举数学变换公式，而是利用LLM的理解能力，从学术论文、研报和领域知识中理解"什么是好的因子"，然后自主构思因子逻辑、生成公式代码、运行回测验证，并根据结果迭代优化。这意味着不再受限于研究员个人经验，而是由AI探索更广阔的因子空间。

广发团队的复现验证显示，该框架在A股市场具有良好的适应性。LLM能够理解复杂的金融逻辑（如"在低波动环境中捕捉动量效应"），并将其转化为可执行的因子公式。复现过程本身也为中文量化社区提供了宝贵的实践经验——包括如何适配A股数据、如何处理缺失值、如何设定合理的IC/IR阈值等关键细节。

CogAlpha的核心价值不在于"自动"本身，而在于其让因子研究的边际成本趋近于零。传统因子研究：研究员阅读文献（2天）→构思因子（1天）→写代码（2天）→回测验证（1天）→迭代（3天），一个因子从概念到验证至少需要一周。而CogAlpha的流程是：描述研究方向→LLM生成候选因子→自动回测→输出结果，整个过程可能在数小时内完成。

对梵如谨知量系统的启示：CogAlpha的AI智能体架构与知源系统的知识吸收管线天然互补。知源负责发现和吸收高质量的研究内容，CogAlpha负责将内容中的因子思路自动转化为可执行的公式，形成一个"吸收→理解→生成→验证"的完整闭环。因子发现的效率将从"周级"提升到"小时级"。

🔍 知源视角：为什么这对你很重要

1. 效率革命：因子研究从"周级"变为"小时级"，边际成本趋近零
2. 探索广度：LLM可覆盖人类研究员难以想到的因子组合空间
3. A股适配：广发团队复现证明了A股市场的适用性
4. 知识复用：吸收的研报可直接作为LLM的"研究思路"输入
5. 迭代自主：智能体可自动从失败中学习，优化因子生成策略

因子挖掘 · AI智能体 · LLM · CogAlpha · 广发金工 · 量化研究

⚠️ 风险提示

本文为知源吸收的外部研究解读，不代表梵如谨科技的投资建议。CogAlpha框架目前仍处于研究阶段，其在实盘环境中的表现可能与回测存在差异。AI生成的因子需经严格回测验证和人工审查后方可使用。量化投资有风险，历史回测不代表未来收益。

📡 梵如谨科技

专注于A股量化因子研究与策略开发
因子库覆盖动量·趋势·量价·波动率·反转五大维度
每日自动扫描143+策略质量，监控衰减

关注「一起抓波段」→ 每日量化干货

⚠️ 本文内容仅供参考，不构成投资建议。投资有风险。