面向下一代金融 AI 的研究、模型与交易系统
Freeride 将前沿研究、专有金融模型与交易系统结合在一起，持续推进金融领域的 AI 决策能力。
STAR Analyst: Self-Tuning Alpha Research
William F. Shen, Alex Iacob, Zichen Zhang, Daoheng Wang, Wenyi Wang, Rui Liang, Yulong Zhang, Xinchi Qiu, Nicholas D. Lane · University of Cambridge, Freeride AI
STAR 不再把进化目标局限于单个 alpha 公式，而是把 alpha 研究者本身作为进化对象。系统将基于 LLM 的研究者与元认知模块结合起来，使研究框架能够持续自主进化；同时通过固定的验证与测试边界，保证评估过程不被污染。在泄漏受控的 forward protocol 下，进化后的 STAR researcher 生成的 alpha 质量显著优于基础模型。
研究、模型与系统协同进化
研究、模型训练与产品反馈在同一条演进链路中持续推进。
研究专业智能体如何形成判断、处理分歧，并在协同中自主进化出更强的决策能力。
基于自有数据与金融任务训练专有模型，让模型能力围绕真实金融场景持续进化。
研究、模型与系统会在真实运行中相互校验，让能力不是静态优化，而是持续演进。
STAR 说明了什么
以下内容来自论文结果，不构成产品收益承诺。
生成 alpha 的中位 IR 提升
在 CSI300 2026Q1 的 forward protocol 下，进化后的 STAR researcher 显著抬升了 held-out alpha 的整体质量分布。
下游表现显著改善
在论文报告的 downstream evaluation 中，STAR 同时取得了更强的超额收益、更高的 IR 和更低的回撤。
研究工具与算子空间扩展
定性分析显示，能力提升来自研究者本身的自主进化，而不只是对既有因子的简单筛选。
每日晨报与重点标的
先看当日市场摘要与推荐标的，再进入完整报告做深入判断。
今天市场在关注什么
正在加载最新晨报与推荐标的...