目标导向的量化投资：一种用于交易策略流水线自动合成的规范驱动框架

自动化量化研究已取得显著进展，然而每个系统都在回答同一个问题：哪种策略在单一标量指标上得分最高？我们认为这个问题是不完整的。专业投资者并非追求“最高回报”；他们追求的是某种特质——纯粹的选股alpha，不受风格暴露的污染，在单边市场下跌中具有韧性，并在换手率和容量预算之内。我们将现有范式称为结果导向，并提出目标导向量化投资（OOQI）：一种规范驱动框架，其中（i）完整的策略流水线被建模为一个类型化的设计空间，由具有明确接口契约的可互换模块组成（在我们的参考实例中有8.85 x 10^8种组合）；（ii）投资者意图被形式化为策略画像规范——一种由来自八个需求族、具有硬/软语义和交互代数的可测量、可证伪子句组成的可组合语言；（iii）编译器将规范转换为受约束的组合，并逐子句验证满足性。由于在大型组合空间上的搜索会夸大表观满足性，我们开发了一种验证协议，将满足率本身视为一个统计对象，并针对搜索宽度、时间保持和随机组合零模型进行缩减。一项包含32个流水线组合的合成演示表明，结果导向选择达到了样本内信息比率的最优值，但仅满足了规范的25%，而规范驱动选择则以5.5%的得分成本满足了100%的规范。随附的理论表明，满足驱动的合成在一般情况下是NP难的，但在无冲突机制下具有常数因子近似性；规范构成一个与组合对偶的格；每个子句都带有一个拉格朗日影子价格；滚动重新认证通过e过程实现随时有效。