AlphaRJM : conserver l'histoire des évaluations pendant la découverte d'alphas

Une recherche avec récompense retardée

Une formule d'alpha se construit token par token, mais sa qualité n'est connue qu'au moment où l'expression complète est évaluée. La même formule intermédiaire peut aussi être utile ou redondante selon le pool d'alphas déjà retenu. Le signal de récompense est donc à la fois tardif et dépendant du contexte.

Sayan Dhan et Selvaraju Natarajan proposent AlphaRJM pour conserver cette information entre les épisodes de construction. Reward-Jump Memory reste fixe pendant la construction d'une formule puis se met à jour lorsqu'une évaluation terminale produit une récompense et une catégorie de résultat : acceptée, remplacée, rejetée ou invalide.

Une critique distributionnelle

La mémoire ne suffit pas à choisir une action future. AlphaRJM ajoute un critique SDE conditionné par l'action, qui représente le retour de découverte futur par des particules. Leur moyenne et leur incertitude guident la sélection des tokens ; la distribution est apprise avec un objectif de Bellman qui combine distance énergétique, calibration de la moyenne et régularisation des sauts.

Le cadre conserve la distinction entre un pas intermédiaire, qui ne reçoit pas directement de récompense, et un événement terminal, qui mesure la variation de l'Information Coefficient de l'ensemble. Cette séparation évite de faire passer une récompense d'épisode pour un signal observé à chaque choix de token.

Protocole et résultats

Les expériences portent sur les univers chinois CSI300, CSI500 et CSI800. L'entraînement couvre 2010–2020, la validation 2021 et le test 2022–2024. Le benchmark standard prévoit un horizon de 20 jours de bourse, avec une expérience supplémentaire à 42 jours. Les comparaisons incluent MLP, LightGBM, Neural ODE, Neural SDE et plusieurs méthodes de découverte d'alphas par RL.

Le papier rapporte des gains stables sur les métriques IC, ICIR, RIC et RICIR dans ce protocole. L'ablation CSI300 fournie dans l'annexe donne pour AlphaRJM un IC de 0,0480 et un ICIR de 0,3700 ; retirer le critique SDE ramène ces valeurs à 0,0362 et 0,2687, tandis que retirer la mémoire persistante donne 0,0434 et 0,3053. Sur CSI1000, l'étude rapporte un IC de 0,076 ± 0,003 et un RIC de 0,102 ± 0,009 sur deux graines, avec des résultats différents selon le ratio considéré.

Interprétation éditoriale

La contribution est une discipline de mémoire et d'incertitude dans une recherche combinatoire. Elle ne dit pas qu'une formule trouvée est une loi économique. Un IC positif est une corrélation dans un protocole ; il peut varier avec la période, le pool, les coûts et la définition de la cible. Le fait que le critique et la mémoire soient complémentaires est un résultat d'ablation, pas une garantie de sélection hors échantillon.

Pour évaluer un tel système, il faut conserver les expressions produites, les règles de déduplication, les données accessibles à chaque date, les graines et la séparation entre recherche et évaluation finale. Une bonne métrique de recherche n'est pas un substitut à une analyse de stabilité, de turnover et de capacité.

Limites et prudence

Le papier est évalué sur des univers d'actions chinois et des métriques de corrélation. Les résultats économiques complémentaires ne remplacent pas un backtest avec coûts, contraintes de portefeuille et exécution réaliste. Les choix de grammaire, de budget de recherche et de pool peuvent modifier les formules découvertes. Le preprint ne constitue ni un signal de marché ni un conseil d'investissement.

Sources

Sayan Dhan et Selvaraju Natarajan, « AlphaRJM: Reward-Jump Memory for Stochastic Return-Guided Alpha Discovery », ArXiv 2609.08581v1 : résumé et preprint, PDF.