Resumen: Fórmula Alpha Mining, que genera señales predictivas a partir de datos financieros, es crítico para la inversión cuantitativa. Aunque varios enfoques algorítmicos, como la programación genética, el aprendizaje de refuerzo y los modelos de lenguaje grandes, han ampliado significativamente la capacidad de descubrimiento alfa, la evaluación sistemática sigue siendo un desafío clave. Las métricas de evaluación existentes incluyen predominantemente las medidas de retroceso y basadas en correlación. Backtesting es computacionalmente intensivo, inherentemente secuencial y sensible a los parámetros de estrategia específicos. Las métricas basadas en la correlación, aunque eficientes, evalúan solo la capacidad predictiva y pasan por alto otras propiedades cruciales, como la estabilidad temporal, la robustez, la diversidad y la interpretabilidad. Además, la naturaleza de código cerrado de la mayoría de los modelos de minería alfa existente dificulta la reproducibilidad y ralentiza el progreso en este campo. Para abordar estos problemas, proponemos Alphaeval, un marco de evaluación unificado, paralelizado y sin prueba de retroceso para modelos de minería alfa automatizada. Alphaeval evalúa la calidad general de los alfas generados a lo largo de cinco dimensiones complementarias: poder predictivo, estabilidad, robustez a las perturbaciones del mercado, la lógica financiera y la diversidad. Experimentos extensos en los algoritmos representativos de minería alfa demuestran que Alphaeval logra la consistencia de la evaluación comparable a la prueba de retroceso integral, al tiempo que proporciona información más completa y una mayor eficiencia. Además, Alphaeval identifica efectivamente los alfas superiores en comparación con los enfoques tradicionales de detección de un solo métrico. Todas las implementaciones y herramientas de evaluación son de origen abierto para promover la reproducibilidad y la participación de la comunidad.
Publicado Originalme en export.arxiv.org El 19 de agosto de 2025.
Ver Fuente Original
