标签
论文提出 ASE（Attribution-Guided Semantic Evolution）模块化框架，通过条件归因反馈引导语言模型构建与修订文本因子，并将其与数值预测器融合，在 TESS 数据集和 CSI 300 股票排序任务上取得改进。
财新报道：香港出生、剑桥毕业的量化工程师何卓峰（音）被控从前雇主Headlands窃取高频交易策略AP1，并与Tower合作在中国期货市场部署，2025年1月在洛杉矶被捕，纽约陪审团审判已开始，面临最高30年刑期。
Third Moment Research 使用 OpenAI 的 Codex、GPT-6 Astra、GPT-6 Sol 和 GPT-6.1 Sol 构建自我改进的 AI 系统，可同时运行 10,000 个智能体进行持续 36-48 小时的研究，并通过自动合成场景修复智能体弱点（例如用 Codex 将回测时间从 3 小时缩短至 3-5 分钟）。
Jane Street 实习生 Kavish 探索了自回归扩散模型能否生成逼真的市场数据事件流，发现完全连续的扩散模型难以应对真实订单簿数据中参差尖锐的分布特征，而流匹配（flow matching）的表现优于 DDPM。
《Quantitative Finance with OCaml》是一本全面的技术书籍/指南，涵盖使用 OCaml 进行衍生品定价、风险管理、信用建模、算法交易以及高频交易基础设施开发，书中提供生产级质量的代码、严谨诚实的数学推导，并介绍了 OCaml 5 的新特性（域 domains、效果 effects、OxCaml 扩展）。
该研究评估了 Llama-3 8B、Qwen-2.5 14B 和 Llama-3.3 70B 等 LLM 在从 SEC 10-K 文件中提取财务数据时的表现，发现将模型规模与文档结构复杂度对齐可在零样本设置下获得高准确率，从而缓解量化金融数据集中超过 70% 公司面临的缺失数据偏差问题。
来自Allora Foundation和Liverpool John Moores University的研究人员提出了CZAR（Composite Zero-Agnostic Return，复合零无关收益）损失——一种凸的、非对称的、分段二次目标函数，专为金融对数收益预测而设计，可防止模型退化为全零预测行为。他们使用LightGBM在BTC日内收益数据上验证了该方法，结果表明方向预测精度得到了提升。
FinRL 是一个用于金融强化学习的开源框架，在 GitHub 上有约 1.6 万星，支持股票、加密货币等交易的训练和回测，并指向下一代版本 FinRL-X。
这条推文分享了书籍《Machine Learning in Finance: From Theory to Practice》的免费代码，该书将机器学习与量化金融整合，用于数据建模和金融决策。
Horizon 是一款由 AI 驱动的工具，允许交易员用自然语言描述交易策略，自动生成带有详细指标的回测，以进行迭代测试和改进。
本文讨论了Stephen Boyd于2006年出版的数学教科书对凸优化的影响，该书被谷歌、Renaissance Technologies等公司使用，并推广了他免费提供的斯坦福大学课程EE364A，该课程可在YouTube上观看。
这篇论文解释了如何通过移除市场贝塔和因子暴露来揭示真实的交易信号，强调严格的压力测试以避免过拟合和回测中的虚假信心。
论文报告了使用代理引导研究过程，信息系数（IC）从0.0613提升至0.0843，相较于GRU基线，在2021年至2025年的留出数据模拟结果。
Man Group 开源了 ArcticDB，一个专为 Python 数据科学和量化场景设计的高性能、无服务器 DataFrame 数据库，支持数十亿行时间序列数据、S3/LMDB/Azure 存储、时间回溯和快照，以及 C++ 引擎加速。
介绍了一个名为 tvscreener 的 Python 库，可直接获取 TradingView 选股器数据，支持多种市场和 13000+ 技术指标，返回 Pandas DataFrame，方便量化策略使用。
关于 Horizon 的推广帖，这是一个由 AI 驱动的交易策略平台，允许用户用简单的英语回测和部署策略，文中引用了一位教授用 AI 代理管理 2 亿美元、去年回报率为 56% 的例子。
Kirk Borne 重点介绍了 Stefan Jansen 所著的《Machine Learning for Trading》第3版，这是一本全面覆盖构建AI驱动交易系统的826页书籍，并宣布将于8月15日举办配套的线上直播研讨会。
该预印本介绍了AlphaSchema，一个为基于LLM的Alpha挖掘构建并探索结构化交易语义空间的框架，将语义探索与因子实现解耦。在中国股市上的实验表明，它能够发现具有强预测能力和投资组合表现的因子池。
本文研究了大语言模型在算法交易中母单执行的应用，提出了层次化框架PACE，在深圳证券交易所数据上优于传统基线，并表明大语言模型可以补充人类交易员。
Awesome AI in Finance 是一个开源的精选资源列表，涵盖AI和量化金融领域的论文、工具、数据集和交易框架，并按代理、研究、策略、数据和交易栈等类别组织。