arXiv 量化金融（q-fin）。
说明FactorBench：面向组合的自动因子挖掘基准
简介该论文提出FactorBench，一个面向投资组合的基准，用于比较九种自动因子挖掘方法在五个股票市场挖掘出的约五千个因子。它从因子有效性与时间泛化、与风险和风格暴露之外的预测力、因子池的独特性（含与Alpha101的相似度），以及综合信号与扣除成本后的多头及多空组合表现三个层面进行评估。研究发现，没有任何一种范式能在各项指标上持续占优。
说明分布不确定性下的稳健增强指数跟踪组合选择
简介本文研究增强指数跟踪组合选择问题，即构建期望跑赢基准指数的组合。针对资产与指数损失联合分布未知的情况，作者提出基于帕累托最优理论的稳健模型，最小化最坏情形下平均损失与下行风险的凸组合，并约束最坏情形平均收益。实证结果显示，该模型在样本外累计财富及夏普、索提诺、欧米伽比率上优于被跟踪指数、等权组合及其他稳健模型。
说明信号之城：压缩、分离与新颖性的几何
简介论文把每日横截面信号看作单位球面上的点，将其时间平均方向称为“城市”，用于压缩概括信号历史。研究给出两个城市夹角与历史夹角之间保守关系的概率界，并在AlphaNova 2026年5月竞赛的大量信号对上做了经验检验。结果显示，在城市夹角不超过90度时，历史夹角至少与之相当的比例较高，但经验结果与均匀零假设并不完全一致。
说明智能体政策价值审计：将交易构成与事件选择分离
简介该论文指出，金融大语言模型智能体常以相对基准的收益差来评估，但这无法区分选股能力与被动暴露。作者提出审计方法：保持各类动作变化次数不变，随机重分配到可选事件上，以此计算构成基准并与实际收益对比。在对44家美国消费类公司723个财报事件的回顾分析中，智能体的毛收益为每事件+15.2个基点，其中构成基准为+25.8，选择价值为-10.6，未显著优于随机分配。
说明当正确的奖励仍不足够：在一个有解析解的经纪-交易者博弈中诊断并引导PPO
简介本文将近端策略优化（PPO）智能体放入一个有解析解的连续时间经纪-交易者博弈中，由其代替经纪商选择交易速度。研究发现，在存在随机无信息订单流时，PPO的策略与评论家仍不够准确；部分信息下，基于可观察历史的因果确定性等价控制器更接近参考解。冻结解析策略并在执行成本变化后训练PPO进行调整，可使差距缩小2.22%。
