你去找装修队，不会只说“给我装得最好看”。你会先讲清预算、收纳、动线，哪些墙不能动，最后怎么验收。量化研究也一样：如果只让 AI 把回测分数做到最高，它很可能交出一条漂亮的收益曲线，却顺手带上你不想要的风险，或者靠频繁交易堆出纸面成绩。
Liangliang Zhang 发布在 arXiv 的论文《Objective-oriented quantitative investment: A specification-driven framework for automated synthesis of trading strategy pipelines》试图换一道题。它提出 Objective-Oriented Quantitative Investment（OOQI，目标导向量化投资）：先把投资目标、风险边界和验收条件写成可测量、可证伪的规格，再让自动系统寻找并验证整条交易策略管线。论文编号为 2608.10410。以下效果与理论结论均来自这一篇尚未交叉验证的论文；其中的数字是合成演示结果，不是实盘业绩。
高分策略，不一定是你要的策略
现有自动量化研究常把任务压成一个数字：例如 information ratio（信息比率，衡量主动收益相对其波动的高低）、information coefficient（信息系数，衡量预测排序与后来收益排序的关联），或者 Sharpe ratio（夏普比率，衡量每承担一单位波动换来多少收益）。系统搜索许多候选方案，然后挑分数最高的一个。
问题在于，投资人真正提出的往往不是“最高分”，而是一组同时成立的要求。比如：收益主要来自选股，不要暗中押注小盘、价值或高 Beta 股票；市场单边下跌时仍要有韧性；换手率不能超过成本预算；策略还要有足够容量。
这里的 Alpha，通常指不能被常见市场和风格因子解释的超额收益。如果所谓 Alpha 其实来自长期偏好某种风格，投资人买到的就未必是纯粹的选股能力。换手率则衡量组合买卖替换的频繁程度。换手越高，手续费、买卖价差和市场冲击通常越难忽略。容量是策略在自身交易明显侵蚀收益之前，能够承载多少资金。三者都可能被一个单独的回测高分遮住。
OOQI 因此把研究顺序倒过来：先定义“什么才算答对”，再搜索答案。论文把这称为 strategy profile specification（策略画像规格）。每条规格都必须能测量，也必须允许被数据判定为失败，而不是写成“表现稳健”这种无法验收的愿望。
先写验收单，再拼装策略
论文把完整策略管线拆成带有明确接口契约的类型化模块。所谓接口契约，可以理解为零件之间的插口说明：一个模块接收什么形状、频率和含义的数据，输出什么，以及它可能给换手、风格暴露或容量带来什么副作用。只有接口相容的模块才能拼在一起。
参考实例的设计空间包含 种组合。这个数字说明穷举不现实，但它只是论文给出的参考实例规模，不代表所有量化系统都具有同样复杂度。
规格语言覆盖八类需求：信号质量、收益与风险、纯度与风格、市场状态下的稳健性、执行可行性、组合结构、时间行为，以及透明度与合规。条款还能分成 hard 和 soft。硬条款是不满足就淘汰的红线；软条款则允许权衡，并可设置优先级。
条款之间也会互相影响。降低换手可能损害信号反应速度；限制风格暴露可能牺牲一部分样本内收益。论文用 interaction algebra（交互代数）描述条款之间的协同与冲突。说白了，它不只问每项要求能否做到，还问这些要求放在一起时，会不会互相抬高成本。
接下来，compiler（编译器）把人的规格翻译成机器可执行的搜索约束。它先判断哪些模块可用、哪些结构必须出现、需要增加哪些评估；然后由 LLM agent、贝叶斯优化器或人工委员会提出候选管线。LLM agent 指由大语言模型驱动、能连续提出和修正方案的自动研究程序。论文并不要求一定使用 LLM，但作者认为 LLM 降低了把自然语言要求映射到技术结构的成本。
每个候选方案都要逐条接受验证。失败反馈也不再只是“总分低”，而是明确指出哪一条规格没过，以及问题可能来自管线的哪个环节。最后，系统在与搜索阶段隔离的时间留出数据上重新检查，并生成包含逐条结果、搜索记录和规格成本的证书。若规格根本无法满足，合格答案应是“有证据的不可行”，而不是偷偷放宽标准。
32 条候选管线说明了什么
论文给出一个完全合成的演示，比较 32 个 pipeline assemblies（管线组装方案）。传统的 result-oriented selection（结果导向选择）拿到了最高的样本内信息比率 ，却只满足规格中的 25%。specification-driven selection（规格驱动选择）满足了全部规格，但信息比率低了 5.5%。
这组数字最有意思的地方，不是“100%”本身，而是它把取舍摆到了桌面上：最高分方案与最符合委托要求的方案，并不是同一个。规格相当于为策略身份付费。少掉的 5.5%，就是这次合成演示中拒绝不想要的暴露和行为所付出的分数代价。
但必须把边界说清。候选管线只有 32 条，市场和数据都是合成的；论文也明确说，这个演示验证的是选择逻辑，不是现场交易纪录。供稿摘要没有进一步说明这里 score 的具体定义，因此不能把“100% 满足”理解成现实市场中获得了完美策略。
搜得越多，越容易碰巧过关
规格驱动并不会自动消除过拟合。系统搜索的候选越多，越可能偶然找到一条在当前数据上满足全部条款的管线。就像反复参加考试，总有一次可能碰巧押中题目。
OOQI 因此把 satisfaction rate（满足率）本身也当作需要统计校正的对象。论文提出三道检查：按搜索宽度下调表观满足率；用未参与搜索的时间区间做留出检验；再与随机组装管线形成的零模型比较。系统还要保存搜索账本，披露评估过多少方案、使用多少随机种子以及花了多少搜索预算。否则，一个看似很高的满足率无法判断究竟来自真实能力，还是来自大量试错。
论文进一步提出 rolling re-certification（滚动再认证）：新数据到来后，原有条款继续接受检查。作者借助 e-processes——适合在数据持续到来、检查时间不固定时控制误报的统计过程——声称可以做到 anytime-valid，也就是在任意检查时点仍保持预先约定的统计有效性。在这个框架里，策略衰减不再只是收益曲线悄悄变差，而会表现为某项证书到期。
为什么这一步值得关注
OOQI 真正推动的不是某个更聪明的预测模型，而是自动研究的问责方式。过去，AI 容易成为一台刷榜机器：研究者给出一个数字，它就尽力把数字推高。现在，系统先接受一份可审计的委托书，再围绕委托书提出、拼装和淘汰方案。
这也改变了人和 AI 的分工。AI 可以负责探索巨大的组合空间，但人仍要决定哪些风险不可接受、哪些要求可以交换，以及每条红线的阈值。规格写错，系统只会更高效地答错题。因此，“先写规格”不是减少人的责任，而是把人的责任提前并留下记录。
论文还声称，满足规格的策略合成一般是 NP-hard——即候选规模增长后，很难期待总能快速找到最优解；但在条款没有冲突、满足度具有覆盖型结构的限定情形下，可以获得常数因子近似保证。作者还提出规格与策略组装之间的格对偶、每条约束的 Lagrangian shadow price（拉格朗日影子价格，即进一步收紧该条款所牺牲的边际分数）等理论结构。这些结论给“策略身份值多少钱”提供了形式化表达，但目前都只见于作者论证。
局限与未知
- 论文目前由单一 arXiv 信源支持，尚未核对同行评审状态、版本历史、代码、利益披露及独立复现。
- 核心演示使用合成市场和 32 条候选管线，只能说明两种选择规则可能挑出不同策略，不能证明真实市场中的收益、容量或稳健性。
- NP-hard、常数因子近似、格对偶、影子价格和 anytime-valid 等理论主张依赖各自条件，尤其近似保证只适用于 conflict-free regime；正式采用前仍需逐项核对定理与证明。