AlgoEvolve：法学硕士驱动的算法交易程序元进化

arXiv:2606.26173v1 公告类型：新 摘要：最近的工作表明，大型语言模型（LLM）可以充当语​​义变异算子，用于程序和证明的进化发现。当前大多数应用程序都专注于静态编码基准。我们将这种范式扩展到算法交易。该领域具有独特的挑战性，因为它充满噪音、非平稳且高度不连续。我们推出 AlgoEvolve，这是一个法学硕士驱动的进化框架，可以生成、评估和迭代改进可执行的交易策略。这些策略以 Python 代码的形式表达，并通过严格的测试协议进行评估。通过多个实验，该系统展示了紧急机制自适应策略逻辑，包括交易规则的自主转变。我们进一步引入了一个元进化外循环，它进化了指导内循环中程序合成的提示。该外循环发现了改进的搜索启发式方法。这些启发法平衡了探索和利用，同时减少了零交易失败。它们的性能始终优于最初的人工设计指令。结果表明，基于 LLM 的语义演化为复杂环境中的持续程序综合提供了一种可行的方法。