AlphaCrafter: 횡단면 정량 거래를 위한 완전한 스택, 다중 에이전트 프레임워크

AlphaCrafter: A Full-Stack Multi-Agent Framework for Cross-Sectional Quantitative Trading

금융 시장은 본질적으로 비정상적이며, 거시경제 환경, 미시 구조적 마찰, 그리고 행동 동역학 간의 복잡한 상호 작용에 의해 움직입니다. 수익성이 유지되는 정량적 전략을 구축하려면 요인 발견, 환경 적응형 선택, 그리고 위험 제약 실행을 지속적으로 결합해야 합니다. 그러나 기존의 접근 방식은 이러한 구성 요소를 정적 또는 분리된 가정 하에서 최적화합니다. 요인 분석 프레임워크는 일반적으로 알파 발견을 일회성 검색 프로세스로 취급하며, 이는 요인의 효과성이 시장 환경 전반에 걸쳐 지속된다고 암묵적으로 가정합니다. 실행 중심 시스템은 종종 역할극 에이전트 아키텍처를 채택하여 인간적인 거래 위원회를 시뮬레이션하며, 이는 체계적인 합리성보다는 행동적 노이즈를 유발합니다. 결과적으로, 일관된 정량적 파이프라인을 통합하는 완전 자동화된, 합리성에 기반한 프레임워크는 아직 존재하지 않습니다. 본 연구에서는 AlphaCrafter를 소개합니다. AlphaCrafter는 완전한 스택, 다중 에이전트 프레임워크로서, 지속적으로 적응하는 요인-실행 파이프라인을 통해 이 격차를 해소합니다. AlphaCrafter는 수동 개입 없이 변화하는 시장 상황을 추적하고 대응하도록 설계되었습니다. AlphaCrafter는 세 가지 특수 에이전트를 통해 작동합니다. Miner는 LLM(Large Language Model) 기반 검색을 통해 지속적으로 요인 풀을 확장합니다. Screener는 현재 시장 상황을 평가하여 환경에 따른 요인 집합을 구성합니다. Trader는 이러한 집합을 명시적인 위험 제약 하에 정량적 전략으로 변환합니다. 이러한 세 에이전트는 함께 통합된 환경 변화에 적응하는 폐루프 횡단면 거래 시스템을 형성합니다. CSI 300 및 S&P 500에 대한 광범위한 실험 결과, AlphaCrafter는 위험 조정 수익 측면에서 최첨단 기준 성능을 꾸준히 능가하며, 모든 실험 간의 변동성이 가장 낮음을 보여줍니다. 이는 통합되고 적응적인 요인-실행 설계가 강력한 거래 성능을 제공한다는 것을 확인합니다.

Financial markets are inherently non-stationary, driven by complex interactions among macroeconomic regimes, microstructural frictions, and behavioral dynamics. Building quantitative strategies that remain profitable demands the continuous coupling of factor discovery, regime-adaptive selection, and risk-constrained execution. Prevailing approaches, however, optimize these components under static or isolated assumptions. Factor mining frameworks typically treat alpha discovery as a one-time search process, implicitly assuming that factor efficacy persists across market regimes. Execution-oriented systems often adopt role-playing agent architectures that simulate anthropomorphic trading committees, introducing behavioral noise rather than systematic rationality. Consequently, a fully automated, rationality-driven framework unifying a coherent quantitative pipeline remains absent. We introduce AlphaCrafter, a full-stack multi-agent framework that closes this gap through a continuously adaptive factor-to-execution pipeline, designed to track and respond to evolving market conditions without manual intervention. AlphaCrafter operates via three specialized agents: a Miner that continuously expands the factor pool via LLM-guided search, a Screener that assesses prevailing market conditions to construct regime-conditioned factor ensembles, and a Trader that translates these ensembles into quantitative strategies under explicit risk constraints. Together, these three agents form a closed-loop cross-sectional trading system that adapts holistically to evolving market dynamics. Extensive experiments on CSI 300 and S&P 500 demonstrate that AlphaCrafter consistently outperforms state-of-the-art baselines in risk-adjusted returns while exhibiting the lowest cross-trial variance, confirming that integrated and adaptive factor-to-execution design yields robust trading performance.