AlphaSharpe：LLM驱动的稳健风险调整指标框架，Sharpe比率提高71.04%，Calmar比率提高116.31%

文章预览

“ AlphaSharpe: LLM-Driven Discovery of Robust Risk-Adjusted Metrics ” 在金融领域，评估投资绩效的关键在于平衡风险与回报。Sharpe比率是评估风险与回报的重要指标，但存在局限性，需开发更稳健的金融绩效指标。本文提出AlphaSharpe框架，利用大语言模型（LLMs）优化金融指标，提升风险-收益评估。 通过对美国15年历史股票数据进行实验，AlphaSharpe投资组合在风险调整和回撤调整表现上优于传统策略，Sharpe比率提高71.04%，Calmar比率提高116.31%。 论文地址 ：https://arxiv.org/pdf/2502.00029v2 【 扫描文末二维码加入星球获取论文、源码  】 摘要 本文提出AlphaSharpe框架，利用大语言模型（LLMs）优化金融指标，提升风险-收益评估。 1) LLMs生成和改进金融指标，融入领域知识； 2) 评分机制确保指标对未见数据的有效泛化； 3) 实证结果显示未来风险收益的预测能力提升3倍，投资 ………………………………