在阿尔法丛林中导航：一种基于大型语言模型的蒙特卡罗树搜索框架用于公式因子挖掘

本研究解决了传统公式因子挖掘方法中人类专业知识依赖和自动化方法效率低下的问题。通过将大型语言模型与蒙特卡罗树搜索相结合，提出了一种创新框架，该框架利用财务回测的量化反馈指导探索，从而提高了因子的预测准确性和可解释性。实验结果表明，该方法在挖掘阿尔法因子方面显著优于现有方法，具有更好的交易表现和更高的效率。