AlphaCrafter：面向跨部分定量交易的全栈多智能体框架

金融市场本质上是非平稳的，其运行由宏观经济体制、微观结构摩擦以及行为动态之间的复杂互动所驱动。构建能够保持盈利能力的量化策略需要持续地将因子发现、波动率自适应选择与风险受限执行紧密耦合。然而，现有的主流方法则是在静态或孤立的假设下进行优化。因子挖掘框架通常将Alpha发现视为一次性搜索过程，隐含地假设因子有效性在市场波动率中持久存在。而执行导向的系统常采用角色扮演智能体架构，模拟拟人化的交易委员会，引入行为噪声而非系统性理性。因此，缺乏一个完全自动化、以理性为导向的框架，将其统一的量化管道整合在一起。我们提出AlphaCrafter，一个全栈多智能体框架，通过持续自适应的因子到执行管道，旨在跟踪和响应不断演变的市场条件，无需人工干预。AlphaCrafter通过三个专门化智能体运行：一个Miner通过LLM引导的搜索持续扩大因子池，一个Screener评估当前市场条件以构建波动率条件化的因子组合，以及一个Trader在明确风险约束下将这些组合转化为量化策略。就这三个智能体而言，形成了一个在演变的市场动态环境下进行整体自适应的闭环跨部分交易系统。在CSI 300和S&P 500上的大量实验表明，AlphaCrafter在风险调整收益方面始终优于最先进的基准方法，同时表现出最低的跨试验方差，证明了集成化和自适应的因子到执行设计确实产生了稳健的交易业绩。