第 6 章 · 04 综述与论文清单:AI 量化的全景图

第 6 章 · 04 综述与论文清单:AI 量化的全景图

本节摘要:本节用 quant-wiki docs/ai 下的综述与论文清单,梳理 AI 量化的全景图。核心素材包括:2025 AI 量化论文 41 篇(docs/ai/2025-ai-paper),覆盖 AI/LLM、股票、外汇、商品、固收、信用、组合优化、LOB、衍生品、加密等主题;2024 AI / LLM 量化论文(docs/ai/2024-ai-paper、2024-llm-quant-paper);GPT 影响量化金融(docs/ai/How_OpenAI_s_GPT_will_affect_Quantitative_Finance);chat-paper 速读(docs/ai/chat-paper),介绍用 LLM 自动生成学术论文(Novy-Marx & Velikov 的 Assaying Anomalies);以及 Transformer、Diffusion Models、VQVAE(docs/ai/llm)三类深度学习模型在金融里的应用。本节是「地图」——给你一张文献入口和学习路径,具体细节回到原始论文。素材来自 docs/ai。

内容来源:quant-wiki docs/ai(2025-ai-paper、2024-ai-paper、2024-llm-quant-paper、How_OpenAI_s_GPT_will_affect_Quantitative_Finance、chat-paper、llm/Transformer、llm/Diffusion Models、llm/VQVAE),知识结构化整理。

⚠️ 学习提示:论文清单是「地图」不是「食谱」。一篇论文读不懂很正常,先抓摘要与结论,理解它解决什么问题、用什么方法、得到什么结论,细节留待需要时深挖。优先读综述类,再按兴趣钻专题。

学习目标

阅读完本节,你应当能够:

1. 用 docs/ai 的论文清单定位自己感兴趣的 AI 量化子方向。
2. 说清 Transformer、Diffusion、VQVAE 三类模型在金融里的典型用法。
3. 描述 chat-paper 里 Assaying Anomalies 的自动化研究流程及其 HARKing 风险。
4. 评估 GPT 对量化金融的潜在影响(研究效率 vs 过拟合)。
5. 制定一份自己的 AI 量化论文阅读计划。

一、AI 量化的全景:按主题分类

docs/ai/2025-ai-paper 收录的 41 篇论文,可按主题分成几大类,这恰好构成 AI 量化的全景:

1.1 各主题代表论文

💡 阅读策略:先从你最关心的资产类别或方法切入(比如做股票的先读「股票市场」类,做高频的先读「LOB」类),再横向扩展。每篇先读摘要与结论,30 分钟判断是否值得深读。

二、三类深度学习模型在金融里的应用

docs/ai/llm 下有三个模型介绍:Transformer、Diffusion Models、VQVAE。它们本是计算机视觉/NLP 的通用模型,近年被引入金融。

2.1 Transformer:时序与跨资产建模

Transformer 的自注意力机制擅长捕捉长程依赖,在金融里主要用于:

• 时序预测:把价格序列当「句子」,自注意力捕捉远距离时点的关联;
• 跨资产建模:同时输入多只股票,自注意力捕捉资产间的联动;
• 多模态融合:把价格、新闻、财报文本拼成「token 序列」,统一建模。

代表论文 Modality-aware Transformer 把价格与文本模态显式分离建模,提升预测精度。但 Transformer 的缺点是数据饥渴(需大量样本)与可解释性弱。

2.2 Diffusion Models:数据生成与不平衡处理

扩散模型通过「加噪—去噪」过程学习数据分布,在金融里主要用于:

• 数据增强:生成合成样本,缓解金融数据「类别不平衡」(比如极端事件少);
• 场景生成:为压力测试生成符合分布的市场情景;
• 表格数据合成:Imb-FinDiff 等论文用条件扩散模型为金融表格数据做类不平衡合成。

扩散模型在金融的价值在于「数据稀缺」场景——金融危机样本少,合成数据能扩充训练集。但要警惕合成数据可能放大原有偏见。

2.3 VQVAE:离散化表示

VQVAE(Vector Quantized Variational Autoencoder)把连续数据压缩成离散码本(codebook),在金融里可用于:

• 市场状态识别:把行情离散化成有限的「市场状态」(如牛市、熊市、震荡),用于状态切换策略;
• 特征压缩:高维因子压缩成低维离散码,降维后供下游模型使用;
• 异常检测:无法被码本很好重建的样本可能是异常。

VQVAE 的离散化特性天然适合「市场状态识别」,与第 7 章的市场状态切换组合策略呼应。

三、chat-paper:用 LLM 自动生成学术论文

3.1 Assaying Anomalies 流程

docs/ai/chat-paper 介绍了 Novy-Marx & Velikov(2024)的「AI Powered Scholarship」——用 LLM 自动化金融学术研究。流程分三步:

1. 大规模信号挖掘:从 COMPUSTAT 提取 31,460 个潜在会计信号(比率型、差分型),过滤后剩 17,074 个候选。
2. 统计显著性检验:对每个信号做分组排序检验(t 统计)、Fama-French 六因子回归,判断控制已有因子后是否仍显著。
3. LLM 自动写论文:对通过检验的信号,LLM 自动命名、生成研究假说、撰写完整论文。

3.2 HARKing 的工业化风险

chat-paper 特别强调这种自动化的双刃剑:

• 提升效率:研究者能快速筛选海量信号,LLM 帮写论文初稿;
• HARKing 工业化:HARKing(Hypothesizing After Results are Known,先看结果再编假说)在大规模层面被放大。LLM 善于给任何「显著」结果编一个看似合理的经济解释,可能把噪声包装成「发现」。

⚠️ 陷阱:多重检验(multiple testing)是这种自动化的核心威胁——测了 17,074 个信号,即便纯随机也会有大量「显著」结果。必须用 FDR(False Discovery Rate)校正、Bonferroni 调整等统计方法控制虚假发现率。Novy-Marx 的方法本身就是为应对这一问题而设计的「逐层过滤」。

3.3 对量化研究的启示

chat-paper 的流程对量化因子挖掘有直接启示:

• 因子海洋:不要满足于「找到一个显著因子」,要在海量候选里系统筛选;
• 稳健性优先:单次显著不够,要做样本外、不同时间段、不同市场的稳健性检验;
• 经济逻辑:LLM 编的「假说」要经人类专家审查,确认有可信的经济机制,而非事后合理化。

四、GPT 对量化金融的潜在影响

docs/ai/How_OpenAI_s_GPT_will_affect_Quantitative_Finance 探讨了 GPT 对量化行业的系统性影响。核心观点可归纳为:

4.1 加速研究环节

GPT 能大幅加速文献综述、代码编写、数据清洗、报告撰写等「非核心但耗时」的环节。研究员能把更多精力放在「找新数据源、设计新因子、做假设检验」等创造性工作上。

4.2 降低门槛

GPT 让非深度技术背景的人也能快速写出可运行的回测代码(参考 ChatGPT-quant 的六步流程),降低了量化研究的入门门槛。但这同时也意味着「同质化策略」更多,套利机会消失更快。

4.3 改变因子挖掘范式

传统因子挖掘靠人力(研究员提假设、写公式、回测),GPT 能从论文、财报、新闻里自动提炼因子候选,把因子库从「几百个手工因子」扩展到「成千上万个候选」。但这也带来多重检验与过拟合风险(见 chat-paper 的 HARKing)。

4.4 新型风险

• 数据泄露:GPT 训练数据可能含未来信息;
• 可重复性:LLM 输出有随机性;
• 合规:AI 决策的责任归属;
• 同质化:大家用同一 LLM 可能得出相似策略,加剧拥挤。

五、AI 量化学习路径建议

基于 docs/ai 的文献地图,推荐一条循序渐进的学习路径:

5.1 入门阶段(1-3 个月)

• 读 docs/ai 的工具介绍(TradingAgents、TradeMaster、FinRobot),理解 LLM/RL 在交易里的定位;
• 跑 ChatGPT-quant 的六步流程代码,获得「LLM 辅助交易」的直觉;
• 读 CAPM、Fama-French(第 7 章)等基础定价理论,建立因子框架。

5.2 进阶阶段(3-6 个月)

• 读 docs/ai/2025-ai-paper 的 41 篇,按主题分类精读 5-10 篇;
• 学 Transformer、Diffusion、VQVAE 三类模型,理解其在金融的典型用法;
• 尝试用 Langchain 把 LLM 接入自己的数据,做文本因子。

5.3 深入阶段(6 个月以上)

• 选一个子方向(LLM 选股、RL 组合管理、LOB 高频)深挖;
• 关注 InvestorBench 等基准,做自己的多任务评测;
• 跟踪 docs/ai 的年度论文清单,保持对前沿的敏感。

💡 心法:AI 量化是快速演进的领域,「学会学习」比「记住当前方法」更重要。建立自己的论文追踪清单(每周/每月扫一遍 arXiv 与 docs/ai 更新),形成持续学习的习惯。

本节要点回顾

1. 全景图:AI 量化分 AI/LLM 应用、资产类别、方法工具三大维度,docs/ai/2025-ai-paper 的 41 篇是入口地图。
2. 三类模型:Transformer(时序/跨资产)、Diffusion(数据生成/不平衡)、VQVAE(离散化/状态识别)各有金融落点。
3. chat-paper:Assaying Anomalies 自动化研究流程,但 HARKing 工业化与多重检验是核心风险。
4. GPT 影响:加速研究、降低门槛、改变因子挖掘,但带来数据泄露、可重复性、合规、同质化新风险。
5. 学习路径:入门(工具+基础定价)→ 进阶(论文+模型)→ 深入(子方向+基准),持续追踪前沿。
6. 核心心法:论文清单是地图不是食谱;学会学习比记住方法更重要。

下一章,我们回到组合层面:CAPM、Fama-French、多因子模型、Barra、HRP 与风险平价,把信号组织成投资组合。