第三讲 · LLM 写的因子长什么样：AI 的研究品味

第一章第三讲（本章收尾）
学习目标：通过真实案例建立对 LLM 因子假设质量的判断力；识别"伪逻辑假设"的特征；理解代码质量与逻辑质量的不对称。

1. 开场

前两讲我们隔着玻璃看工厂：循环怎么转（第一讲）、成绩单怎么读（第二讲）。这一讲开门进去，把 AI 写的因子摆上解剖台。材料全部来自真实战役产出（A 股 290 因子池、期货两轮、crypto 两轮）。

先给本章的总结论，然后逐类验证它：

AI 的代码比它的金融直觉诚实得多。 代码 bug 是显性的——跑不通就报错，反馈即时；逻辑空洞是隐性的——假设再空，回测照样吐出一个数字，而这个数字还会进入排行榜参与选拔。

2. 案例一：像样的——但要看清"像样"的来源

期货面板上真正有产业逻辑的因子，集中在人给的两列特有数据上：基差（期现价差） 和 持仓量。例如基于期限结构的假设：深度贴水（远月大幅低于近月）通常反映交割压力或悲观预期，构造基差 z-score 做均值回复或方向暴露。

这类因子值得肯定——但请注意它的产出方式：数据边界是人画的。人把 $basis、$oi 放进面板，AI 才有素材往这个方向想；没有这些列，它的假设空间就退化为纯量价。这个现象在三轮战役里反复出现：AI 提出的"最有金融味道"的假设，几乎总是在人准备好的特色数据附近打转。

结论一：AI 的研究品味上限，由数据面板的质量决定。它做的是"在给定素材空间内的高效搜索"，不是"开辟新的素材空间"。

2.1 一个必须讲的反面注脚：carry 因子的 +18% 是假的

基差/期限结构方向上，工厂曾产出一个发现期年化 +18% 的 carry 策略——是全部战役中最亮眼的数字。后来审计发现这是双重复权 bug：面板构建时收益在换月处被扣减了两次。纠错后重算：+3.18%，t=0.66，不显著。

一个数字从"接近可部署"到"统计噪声"，中间只隔一次口径审计。这个故事第九讲整讲展开（期货面板五坑），这里先立一块碑：

在数据口径被验证之前，最像真的数字往往是最危险的数字。 +18% 之所以差点骗过所有人，恰恰因为它"看起来太合理了"——期限结构carry 本来就该有收益，bug 放大的数字落在了预期之内。

3. 案例二：平庸的——伪逻辑的识别

排行榜中段大量存在这一类。以 turn_of_month_rank（换月效应）和 overlay_reversal_liquidity（反转×流动性叠加）为代表——自报超额 +26.5% 和 +14.9%。

伪逻辑假设的三个特征，用反转×流动性叠加举例：

自由度过高：两个已知现象（短期反转、流动性溢价）相乘或取交集，参数（回看窗口、过滤阈值、分位边界）全是可调的。参数空间越大，回测越容易找到好看的一格。
故事讲得好但机制模糊："流动性差的票反转更强，因为套利资金进不去"——听起来合理，但它同时解释得了相反的结果（"流动性差的票动量更强，因为信息扩散慢"）。能解释任何结果的机制，等于没有机制。
评估次数多：turn_of_month_rank 15 次评估、14 个版本——循环反复碰它，本身就是"数字靠多次尝试磨出来的"的信号（第二讲的 combos/versions 原则）。

对照一个正例：crypto 两轮战役后经独立验证确认的真信号是 vol_20d（波动率）和 reversal_5d（5 日反转）——注意，这两个是文献里被反复验证过几十年的现象。AI 循环绕了一大圈，最后活下来的还是教科书因子。这不是巧合：教科书因子经过了几十年、几十个市场、无数研究者的"多重检验"，而循环内新造的叠加因子只经过了排行榜这一次选拔。

结论二：对 LLM 生成的新颖组合因子，默认假设是"参数搜索的产物"；举证责任在因子一方。经受过跨市场、跨年代检验的经典现象，先验天然高一档。

4. 案例三：翻车的——以及翻车之后发生了什么

循环里的失败分两种，都有教学价值。

跑不通型：代码报错（对齐错误、缺列、边界溢出）。这一类 AI 处理得很好：读报错 → 定位 → 自动修复 → 重跑。工程上无可挑剔。

隐性翻车型（危险得多）：代码跑通、回测数字完美，但逻辑上用了未来数据（前视偏差）或口径错位。这一类工厂自身没有任何警报机制——它和好因子在排行榜上长得一模一样，只能靠独立验证暴露。期货第一轮 136 个试验在预注册验证下全灭，其中一部分就属于这类：工厂口径的数字看不出问题，独立管线一复算就原形毕露。

于是有本讲最重要的一条不对称性：

代码错误：显性、即时反馈、AI 能自修。
逻辑错误：隐性、无反馈、AI 毫无察觉、人若不验也不知道。
循环加速了第一种错误的消亡，同时加速了第二种错误的繁殖。

5. 本章总结

三章合起来，给"AI 因子工厂"一个诚实的画像：

维度	评价
代码实现	强。质量高、可自修、产出速度人无法比拟
假设生成	中。在给定数据素材内高效搜索，经典现象的再发现可靠，新颖假设多为高自由度重组合
数据口径	弱。双重复权、基准伪影这类问题 AI 完全无感
结果可信度	无内置机制。排行榜是多重检验发生器，头名不可信
真正的瓶颈	不是"AI 会不会想因子"，而是"人会不会验证"