Saizhuo Wang、Hang Yuan等人的论文中提出了一种利用大型语言模型进行Alpha因子挖掘的新范式，也为投资机构未来金融科技、数据平台、因子系统等平台未来搭建提供了一种思路。现代金融体系信息传播、获取、响应大有不同，因子效果持续性下降，Alpha因子需要动态评估都对因子挖掘新范式提出了更高的要求。
　　基于LLM的Alpha挖掘范式提出
　　Saizhuo Wang和Hang Yuan等提出了第三种alpha挖掘范式，即增强人工智能交互以提高alpha研究的效果和效率。基于这种新的范式，构建一个人机交互式alpha挖掘系统Alpha-GPT。该系统利用大型语言模型作为量化研究人员和alpha搜索之间的中介，具有解释用户交易想法、快速总结优秀alpha以及自动修改搜索配置等优势。
　　通过LLM实现人机互动增加Alpha挖掘额外知识
　　AlphaBot是Alpha-GPT的关键层，它通过四个功能模块自动将量化研究人员的意图/思想转化为LLM查询的领域特定提示和指令，并将其转化为算法Alpha挖掘层能理解的配置，增加Alpha挖掘的额外知识、信息、文献和数据，以提高LLM的性能和准确性。
　　通过Alpha-GPT生成更加可解释的因子表达式
　　通过Alpha-GPT生成的Alpha表达式和相应的自然语言解释的示例表明，AlphaGPT能够提供适当的Alpha解释，减轻了人类研究人员自行解释这些表达式的负担。
　　风险提示
　　本报告依据最新前沿论文进行解读评述，若有理解不当请以原始论文表述为准。且本报告为AI应用方法和框架介绍，并不作为有效投资方法建议，仅供参考。