SOTA期权交易智能体框架发布，半年获18.3%收益
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载把期权宇宙压成策略选择
面对单只股票可能挂出成千上万份合约的现实，逐份挑选并组合的决策空间过于庞大。SOTA 的做法是把这一层复杂度收拢：由模型在策略层面做选择，具体的持仓落地交给确定性的解析器完成。这样，智能体不必直接输出每一份合约的买卖指令，而是先决定采用哪一类结构化策略，再由解析器把策略翻译成可执行的组合。论文指出，已有方案常把策略限制在固定结构上，例如跨式组合，因而难以随行情变化切换打法；SOTA 的设计正是为了摆脱这种固定结构的束缚，让策略本身成为可变的决策变量。
训练路径与评测设置
SOTA 的构建方式是对 Qwen3.8-27B 做后训练，先进行监督微调，再进入强化学习阶段。评测对象覆盖九只美国大盘股的期权以及 SPY，比较基准是同一交易环境下的规则型策略选择器和机器学习型策略选择器。评测区间为六个月的样本外时段。在这一区间内，SOTA 取得 18.3% 的总回报，夏普比率为 1.60，最大回撤为 8.96%。这些数字来自与基准选择器同场竞技的结果，而非单独回测，因此可以直接对照不同选择机制在同一环境中的表现差异。
新闻的双面作用
论文记录了一个值得注意的现象：新闻在训练的不同环节扮演的角色并不对称。在构造前沿教师轨迹时，加入新闻能够带来改善；但若在强化学习阶段继续保留新闻，样本外回报会从 18.3% 掉到 -2.7%。也就是说，同一类上下文信息在示范阶段有益，在策略优化阶段反而有害。这一对比提示，外部文本信息并非越多越好，其引入位置会实质影响最终的交易表现。对于关注智能体在金融决策中如何使用上下文的人来说，这一结果给出了一个具体的边界条件。
适用范围与读者提示
SOTA 的定位是结构化期权策略选择框架，其决策粒度停留在策略层，组合实现由确定性解析器承担，因此它并不直接处理逐份合约的微观执行问题。评测范围限于九只美国大盘股期权与 SPY，时间跨度为六个月样本外区间，这些构成了当前结论的适用边界。对读者而言，可从中读出的信息包括：把庞大合约集合抽象为策略级选择是一种可行的降复杂度路径；监督微调加强化学习的组合被用于训练该智能体；以及新闻类上下文在训练流程中的位置需要谨慎安排，否则可能逆转样本外收益。
为什么值得看
揭示了LLM智能体在复杂金融决策中的落地效果及新闻数据在RL训练中的负面作用，对量化交易有强参考价值。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。