Lineage-Aware Search Control for LLM-Based Evolutionary Factor Mining

📄 arXiv: 2610.29663v1 📥 PDF

作者: Xintong Liu, Chenkai Zhang, Yanzhao Ma, Peng Yang

分类: q-fin.CP, cs.AI, cs.LG

发布日期: 2026-10-21

💡 一句话要点

提出LineageEvo以解决LLM基础的因子挖掘搜索控制问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 因子挖掘 演化算法 大型语言模型 谱系控制 市场预测 投资组合优化 搜索效率

📋 核心要点

  1. 现有的LLM基础因子挖掘方法在搜索过程中缺乏有效的方向性，导致因子集中在结构相似的狭窄范围内。
  2. 论文提出LineageEvo，通过谱系条件的LLM变异和谱系分层搜索分配来增强搜索的方向性和多样性。
  3. 实验结果表明，LineageEvo在CSI 500和S&P 500市场上实现了最佳的预测性能，并且因子分布更加均衡。

📝 摘要（中文）

公式化的阿尔法因子挖掘旨在寻找将市场数据转化为预测信号的符号表达式。近期基于大型语言模型的演化因子挖掘方法使用语言模型作为语义变异操作符。然而，传统的LLM-EA范式下，随机变异和基于适应度的选择使得搜索缺乏方向性，集中在一组结构相似的因子上。我们提出LineageEvo，通过两种耦合的搜索控制形式利用谱系信息，增强了搜索的方向性，从而促进了预测因子的多样性和发现。我们在CSI 500和S&P 500上评估了LineageEvo，结果显示其在预测性能和因子多样性方面表现优异。

🔬 方法详解

问题定义：论文要解决的问题是现有LLM基础因子挖掘方法在搜索过程中缺乏有效的方向性，导致因子集中在结构相似的狭窄范围内。现有方法主要在个体和群体层面进行组织，谱系层面的控制未得到充分利用。

核心思路：论文的核心解决思路是引入谱系信息，通过谱系条件的LLM变异和谱系分层搜索分配来增强搜索的方向性，避免某些因子支配演化过程，从而促进预测因子的多样性和发现。

技术框架：整体架构包括两个主要模块：谱系条件的LLM变异和谱系分层搜索分配。前者通过提取谱系范围内的搜索经验来指导LLM生成，后者则在演化搜索过程中平衡因子质量与谱系集中度。

关键创新：最重要的技术创新点在于引入谱系作为控制LLM基础演化因子搜索的中间单元，使得搜索过程更加有方向性，避免了因子演化的单一化。

关键设计：关键设计包括谱系条件的操作符特定先验与全局操作符先验的融合，以及在演化搜索中根据谱系分配搜索预算的策略。这些设计确保了搜索过程的有效性和多样性。

🖼️ 关键图片

fig_0

📊 实验亮点

实验结果显示，LineageEvo在CSI 500和S&P 500市场上实现了最佳的预测性能，且在因子多样性和搜索效率方面优于基线方法LSPS。具体而言，LineageEvo在预测准确性上提升显著，同时保持了更均衡的谱系分布和更广泛的因子池。

🎯 应用场景

该研究的潜在应用领域包括金融市场分析、投资组合管理和算法交易等。通过提高因子挖掘的效率和多样性，LineageEvo能够帮助投资者更好地识别和利用市场信号，从而提升投资决策的质量和收益。未来，该方法可能在其他领域的演化搜索中也具有广泛的应用价值。

📄 摘要（原文）

Formulaic alpha factor mining searches for symbolic expressions that transform market data into predictive signals. Recent LLM-based evolutionary factor mining methods use large language models as semantic variation operators. Under the conventional LLM-EA paradigm, stochastic variation and fitness-based selection can leave the search weakly directed and concentrated around a narrow set of structurally similar factors. We argue that these limitations arise because current methods mainly organize search at the individual and population levels, leaving lineage-level control underused. A lineage connects successive factor variants through evolutionary descent. We propose LineageEvo, which uses lineage in two coupled forms of search control: (1) lineage-conditioned LLM variation, which distills Lineage-Scoped Search Experience into operator-specific priors and fuses them with global operator priors, providing persistent, lineage-relevant guidance for LLM generation; and (2) lineage-stratified search allocation, which balances factor quality against lineage concentration by distributing the search budget across lineages during evolutionary search. Together, these mechanisms make semantic variation more direction aware and prevent branches from dominating the evolution, thereby promoting the discovery of predictive and diverse factors. We evaluate LineageEvo on CSI 500 and S&P 500 in terms of factor predictiveness, portfolio performance, search efficiency, and lineage- and expression-level diversity. LineageEvo achieves the strongest predictive performance on both markets, while LSPS produces a more balanced lineage distribution and a structurally broader factor pool. The results support lineage as a useful intermediate unit for controlling LLM-based evolutionary factor search.