RD-AGENT 第三讲 · LLM 写的因子长什么样：AI 的研究品味

第一章第三讲（本章收尾） 学习目标：通过真实案例建立对 LLM 因子假设质量的判断力；识别"伪逻辑假设"的特征；理解代码质量与逻辑质量的不对称。

前两讲我们隔着玻璃看工厂：循环怎么转（第一讲）、成绩单怎么读（第二讲）。这一讲开门进去，把 AI 写的因子摆上解剖台。材料全部来自真实战役产出（A 股 290 因子池、期货两轮、crypto 两轮）。

AI 的代码比它的金融直觉诚实得多。 代码 bug 是显性的——跑不通就报错，反馈即时；逻辑空洞是隐性的——假设再空，回测照样吐出一个数字，而这个数字还会进入排行榜参与选拔。

期货面板上真正有产业逻辑的因子，集中在人给的两列特有数据上： 基差（期现价差） 和 持仓量 。例如基于期限结构的假设：深度贴水（远月大幅低于近月）通常反映交割压力或悲观预期，构造基差 z-score 做均值回复或方向暴露。

这类因子值得肯定——但请注意它的产出方式： 数据边界是人画的 。人把 $basis 、 $oi 放进面板，AI 才有素材往这个方向想；没有这些列，它的假设空间就退化为纯量价。这个现象在三轮战役里反复出现：AI 提出的"最有金融味道"的假设，几乎总是在人准备好的特色数据附近打转。

结论一：AI 的研究品味上限，由数据面板的质量决定。它做的是"在给定素材空间内的高效搜索"，不是"开辟新的素材空间"。

基差/期限结构方向上，工厂曾产出一个发现期年化 +18% 的 carry 策略——是全部战役中最亮眼的数字。后来审计发现这是 双重复权 bug ：面板构建时收益在换月处被扣减了两次。纠错后重算： +3.18%，t=0.66，不显著 。

一个数字从"接近可部署"到"统计噪声"，中间只隔一次口径审计。这个故事第九讲整讲展开（期货面板五坑），这里先立一块碑：

在数据口径被验证之前，最像真的数字往往是最危险的数字。 +18% 之所以差点骗过所有人，恰恰因为它"看起来太合理了"——期限结构carry 本来就该有收益，bug 放大的数字落在了预期之内。

排行榜中段大量存在这一类。以 turn_of_month_rank （换月效应）和 overlay_reversal_liquidity （反转×流动性叠加）为代表——自报超额 +26.5% 和 +14.9%。

对照一个正例：crypto 两轮战役后经独立验证确认的真信号是 vol_20d （波动率）和 reversal_5d （5 日反转）——注意，这两个是 文献里被反复验证过几十年的现象 。AI 循环绕了一大圈，最后活下来的还是教科书因子。这不是巧合：教科书因子经过了几十年、几十个市场、无数研究者的"多重检验"，而循环内新造的叠加因子只经过了排行榜这一次选拔。

结论二：对 LLM 生成的新颖组合因子，默认假设是"参数搜索的产物"；举证责任在因子一方。经受过跨市场、跨年代检验的经典现象，先验天然高一档。

跑不通型 ：代码报错（对齐错误、缺列、边界溢出）。这一类 AI 处理得很好：读报错 → 定位 → 自动修复 → 重跑。工程上无可挑剔。

隐性翻车型（危险得多） ：代码跑通、回测数字完美，但逻辑上用了未来数据（前视偏差）或口径错位。这一类工厂自身 没有任何警报机制 ——它和好因子在排行榜上长得一模一样，只能靠独立验证暴露。期货第一轮 136 个试验在预注册验证下全灭，其中一部分就属于这类：工厂口径的数字看不出问题，独立管线一复算就原形毕露。

代码错误：显性、即时反馈、AI 能自修。 逻辑错误：隐性、无反馈、AI 毫无察觉、人若不验也不知道。 循环加速了第一种错误的消亡，同时加速了第二种错误的繁殖。

290 个因子、自报超额最高 +26.5%、独立验证零存活——这就是第一章的终点，也是第二章的起点。下一章讲验证管线本身：预注册、DSR 门槛、主副裁判，看"全军覆没"这个结论是怎么被诚实且可复现地得出来的。

思考题 ：如果让你设计一个机制，让循环在生成阶段就自动过滤掉高自由度的伪逻辑假设，你会检查哪些特征？（提示：可调参数个数、假设能否被相反结果证伪、是否引用了特色数据列）