arXiv · cs.AI· Chaoqun Yang, Qian Wang, Fengbin Zhu, Xinyu Lin, Bingsheng He, Roger Zimmermann, Tat-Seng Chua·· 2 天前
TradeGrad通过经验引导文本梯度优化量化交易策略
Trading Strategy Optimization via Textual Gradient
arXiv:2610.03128v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Chaoqun Yang, Qian Wang, Fengbin Zhu, Xinyu Lin, Bingsheng He, Roger Zimmermann, Tat-Seng Chua
研究任务与主要进展
研究者提出经验引导的文本梯度框架 TradeGrad，用于优化量化交易策略，并在四种横截面与时间序列设置中取得最佳样本内和样本外表现。该框架利用历史优化经验估计文本梯度，结合多尺度策略修订和跨时期稳健目标（CPRO）；其中，中国横截面策略年化收益率为27.99%，最大回撤为12.19%，夏普比率为1.63，较沪深300基准高约68%。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org