前沿论文｜PandaAI 提出 A2A 自演化架构：联合搜索因子与评价指标突破因子过拟合

【论文信息卡片】

• Title: AI Trading’s Alpha Singularity: Emergent Market Reasoning through Agent-to-Agent Self-Evolution

• Authors: Yuqi Li, Bingjun Liu, Siyuan Liu (Panda AI Team)

• Source: Preprint, 2026

• Code: 附录 C 包含大模型自主编写的 Python 评价指标源码；正文披露 A2A 拓扑、评价库演化与核心消融结果

1. 🎯 模型/架构革命：PandaAI 团队彻底颠覆遗传算法（GP）和强化学习（RL）“目标函数固定”的行业顽疾。提出了密封联合搜索（SJS）与 A2A 自迭代机制，让“因子搜索”与“评价标准制定”在隔离的 LLM 智能体间联合演化。

2. 📊 数据与防泄漏机制：基于中证1000（CSI 1000）长达12年的动态数据。我们首创“类型化防泄漏 Wiki 内存”，强行隔离 5 种不同角色的 LLM 的信息域，保证 2026 年（91天）盲测集的绝对纯净。

3. 💰 涌现的超额业绩：在硬性扣除单边 9 bps（万分之九）交易成本后，这套无需人工设定任何进阶风控规则的 Agora 系统，在 2026 年的严苛盲测中实现了 +48.4% 的多空年化收益，夏普达 1.87。

三十年来，量化圈的自动化发现（从早期的公式拼凑，到遗传规划，再到近年的深度强化学习）都遵循着同一个死循环：人类设定一个打分函数（比如 Rank IC），机器疯狂去搜索能让这个分数最大化的公式。

但 PandaAI 团队在长期实盘中发现，这种“中心化集权”的评价方式是极其脆弱的！如果机器发现某种“尾盘剧烈波动”能骗过 IC 检验，它就会疯狂往这个方向过拟合。在多重假设检验的灾难下，只要“裁判”是死板的，再牛逼的算法最终也只是在加速拟合“裁判的盲区”。

为了打破这个死循环，PandaAI 团队提出了一个极其大胆的设想：既然如此，为什么不让 AI 连“裁判”一起当了？

PandaAI 这项革命性研究不仅在于理论狂想，更在于我们落地了极其精密的 A2A 系统工程实现：

• 数据构造：
  

• 特征 X：基于中证1000的 OHLCV 数据，结合 AlphaGen 算子空间。

• 标签 Y：原始目标是未来 5 日收益预测；评价标准在密封联合搜索中由评价矿工与评审委员会共同演化。

• 核心架构（PandaAI 自研 A2A 自演化系统 Agora）：我们构建了一个包含 5 种角色、9 个独立 LLM 客户端的“量化职场博弈沙盒”。

• 因子矿工（Alpha-miner）：拼命生成因子表达式。

• 评价矿工（Evaluation-miner）：拼命写 Python 代码发明新的因子评价指标。

• 评审委员会（Adjudicators）：不直接投票，而是写“叙述性报告”来评判因子和指标。

• 基石：类型化过滤（P1-P5 拓扑约束）：这些 AI 绝对不能互相“聊天”串通作弊！它们只能将自己写的 Python 代码和战报提交到受读写权限严格控制的“LLM Wiki”。

• 量化直觉的涌现（Emergence）：没有任何人告诉 AI 什么叫“好因子”。但系统在 100 轮的迭代中，自主发现并用 Python 写出了“十分组单调性相关（Monotonicity）”和“超额回撤与换手率惩罚（Drawdown Penalty）”这两个指标，并自动将其作为了后续因子的“生死线”！

PandaAI 独创的宛如“西部世界”般的 A2A 信息隔离与拓扑演化架构

A2A 自迭代并非学术玩具，PandaAI 让其在真实的量价角斗场中展现了降维打击：

1. 盲测业绩霸榜：在系统乃至任何一个 Agent 都从未见过的 2026 年测试集（91天）上，经过 100 轮 A2A 自迭代的 Agora 系统，甄选出的 Top-30 因子复合策略，斩获了 +48.4% 的多空年化收益，单调性极佳（0.285）。相比之下，传统的遗传算法（GP）和迭代式单体 LLM 收益全线飘绿。

2. 自我进化的价值验证（Ablation）：如果在这个架构中“冻结”评价指标的进化功能（B6 Frozen libraries 实验），系统的盲测夏普会从 +1.87 瞬间崩盘至 -0.379。这硬核证明了：高收益并非源于 LLM 瞎蒙公式，而是完全得益于 PandaAI 体系中那两套 AI 自己悟出的防过拟合指标！

3. 交易摩擦实测：回测极度贴近国内实盘环境，硬扣 0.04% 佣金 + 0.05% 印花税（双边合计 18 bps），且延后一天开盘执行。即使将成本惩罚放大 5 倍，由于 AI 进化出了换手率感知，其多空夏普依然坚挺在 +1.92。

AI是如何在 R21 和 R50 轮次顿悟出两个神级风控指标，并迎来因子有效性大爆发的！

Agora 在盲测集上稳健向上的多空资金曲线

1. 🔥 落地价值评估（开启投研流水线的“自动驾驶”时代）：

   毫无疑问，PandaAI 的这项研究是目前量化圈最接近 AGI（通用人工智能）投研形态的里程碑！过去，国内百亿量化的 AI 探索主要停留在“Copilot”阶段（让人类研究员调教大模型写代码）。本文的 A2A（Agent-to-Agent）拓扑架构证明，只要给大模型建立合理的“盲测与晋升规则约束”，它们完全可以像一家拥有数百名员工的私募机构一样：研发部提策略、风控部挑刺、评审会拍板，实现量化逻辑的内生涌现。这为国内搭建全自动、无人值守的 Alpha 挖掘中台提供了极具野心的范本。

2. ⚠️ 避坑与局限性（来自一线团队的真实洞察）：

   当然，作为深耕量化一线的团队，PandaAI 团队也极其坦诚地剖析了这套前沿系统的当前局限：

• “炼丹”成本极高且方差未知：让 9 个 LLM 客户端在一张 RTX 5090 上跑完 100 轮博弈，耗费了近 4500 次大模型 API 调用和 60 个 GPU 小时。高昂的算力导致我们在本阶段仅展示了单一随机种子（Single-seed）的 100 轮结果。这种“顿悟出完美指标”的过程在大规模多种子环境下的鲁棒性，是我们下一步攻克的课题。

• 纯多头策略（Long-only）的实盘摩擦：仔细拆解收益来源，Agora 高达 48.4% 的多空年化，很大程度得益于空头端极度精准的负向预测（年化 -27.39%）。但其多头端（Top-decile）在扣费后的绝对收益仅为 +6.46%，略微跑输等权基准（+9.75%）。这意味着，在融券困难、只能做纯多头的 A 股实盘环境中，如何进一步激发多头 Alpha 的爆发力，仍有极大的迭代空间。