Multi-Agent 基本面因子辩论闭环
用“质量/价值”和“成长/动量”两个 Agent 交替提出、批判并改写基本面因子，再用代码检查、PIT 数据约束、回测反馈和低相关筛选形成闭环。
执行顺序：
- 早期用 12 个朴素 seed 自由探索，不急于去相关。
- 每轮验证字段、频率、量纲、未来信息、缺失率和输出格式。
- 把 IC、ICIR、覆盖率、最大回撤和多头年化超额反馈给下一轮。
- 因子库形成后，再加入相关性高于 0.75 的警告与更严格入库阈值。
- 最终按预测能力、收益和相关性共同筛选，而非只留样本内最强因子。
报告从 12 个 seed 出发得到 44 个低相关因子；样本内 2014-2023 年平均 IC 3.5%，样本外 2024-2025 年平均 IC 2.1%。这说明历史优质因子库能提高收敛性，但模型随机性、路径依赖和会计口径误判仍不能由辩论本身消除。
适用边界：必须使用 point-in-time 数据、独立样本外测试和交易成本检验；LLM 只能扩大假设空间，不能替代统计显著性、经济解释和人工复核。
原文：中金点睛 - 中金：Multi-Agent如何辩论出基本面Alpha？ - 3270332840-2247851169_2