「AQuA：会自我改进的量化研究智能体，crypto 因子 IC 0.19、美股策略夏普 2.5」

量化投研正在从"大模型单次调用"跃迁到"多智能体自主协作 + 递归自改进"，而 AQuA 把"用证据指导下一轮提案"写进了框架内核。

一、AQuA 是什么：两个互不共享的密封沙箱

arXiv:2608.12841（8/14）提出的 AQuA，是一个用于量化投研的递归自改进框架。它由两套相互独立的 LLM 驱动系统组成：一套做符号因子发现，一套做可训练模型开发。关键点在于——它们不共享 agent、记忆、候选空间，也不共享研究状态，各自待在"密封沙箱"里，只用已被验证的证据去指导下一轮提案。这种隔离避免了单一模型的逻辑偏置在迭代中被放大。

二、成绩单：可解释、可回测的阿尔法

• 因子系统：在 crypto 宇宙上组合信息系数 IC ≈ 0.190。
• 模型系统：美股单股 IC 达 +0.0843，转化为阈值多空策略后，留出样本夏普最高 +2.50（双边成本），且 2021–2025 每年为正。

与之呼应，另一篇 arXiv:2608.11785 的 TradingMoE 用稀疏 MoE + Query-Key 路由器把 token 专业度匹配到市况，并机制化更新非活跃专家，在股、crypto 上相对 22 个基线累计收益提升 超 30%。两条线共同指向：LLM 不再只是"写因子代码的工具"，而是能持续迭代研究假设的伙伴。

三、更大的范式：从工具调用到多 agent 辩论

中金 8/6 闭门会已勾勒出行业方向：让大模型成为"具备自主迭代能力的智能投研伙伴"。典型做法是成长动量视角与价值质量视角两个低相关 agent 辩论，外加一个 correction agent 做代码验证与纠错，四步循环（构建→验证纠错→评估反馈→入库去相关）。核心张力始终是：平衡模型创造力与量化严谨性，让 AI 产出具备经济逻辑、可解释、可回测的阿尔法。

四、值得关注的逻辑

AQuA 的"密封双沙箱 + 证据驱动递归"思路，把此前 FactorMiner 的"技能库 + 经验记忆库"进一步推向自举式研究。它的风险也很清晰：IC 0.19、夏普 2.5 是历史回测，未经历实盘与不同市场周期的检验，且两套系统互不共享可能漏掉跨域协同信号。后续看：这类自改进框架能否在 2026 下半年市场风格切换时稳住，以及是否会出现"过拟合到回测历史"的新形态危机。

参考来源

• arXiv:2608.12841《AQuA: Recursively Self-Improving Quantitative Trading Research Agents》
• arXiv:2608.11785《TradingMoE: Routing the Right Experts in Evolving Markets》
• ROI AI Brief: Investment Tech Weekly #39
• 中金公司量化投研闭门会纪要（2026-08-06）