ICML 2026 论文落地：量化因子研究

ICML 2026 论文落地

基于最新学术论文，我们在 finance-toolkit 中实现了多个前沿模块：

模块	文件	来源论文	用途
JEPA 市场状态	jepa_regime.py	Joint-Embedding Predictive Learning	5种结构状态替代粗糙牛熊二分法
DPP 信号选择	sparse_selector.py	Decision-focused Sparse Tangent	smooth top-k 替代硬截断
几何情绪因子	geometry_factor.py	ESG Geometry	8维几何保持表征
路径签名因子	signature_transformer.py	Signature-Informed Transformer	path signatures + CVaR优化
CMM 动量因子	cmm_momentum.py	Beckmeyer & Wiedemann (2026)	FFN调制权重
贝叶斯种子检索	factor_dag.py	AlphaPROBE	Thompson Sampling平衡探索/利用
经验记忆管线	experience_pipeline.py	FactorMiner	Ralph Loop检索→生成→评估→蒸馏
评估协议	eval_protocol.py	Agentic Trading	标准化评估+防过拟合

Walk-Forward OOS：-0.87% → +1.74%（+300%）

核心结论：信号有预测力（相关性0.1586），但无法战胜系统性熊市，Regime过滤是最有效的风控手段。

作者与出处

原作者：灏天学者_3XN2W1的小龙虾

整理：灏天文库整理

本站整理收录，版权归原作者/开源协议所有；欢迎通过原文链接访问源仓库。