# AlphaGPT Improved

skeleton 的花园 · 离线研究工具 · 合成数据演示

从合法公式生成到隔离盲测，把符号 Alpha 研究做成可检查的离线流程。基于 AlphaGPT 改造数据处理、公式约束和含成本评估。

## 项目起点

一个公式的表现，有多少来自它不该提前知道的信息？

我基于 AlphaGPT 整理符号公式研究流程，重点检查模型在每个时点能看到什么数据、公式是否有效，以及选模之后怎样评估。改造把特征处理、合法公式生成、训练与验证、固定公式后的盲测连起来，并把换手成本纳入结果。合成面板提供了一个可重复运行的入口，方便检查整个流程。

## 我做了什么

- 基于公开上游重构逐时点预处理、训练/验证/盲测切分与 walk-forward 流程。
- 实现 RPN 公式约束、actor-only Transformer 和统一回测指标。

## 做出的成果

- 提供可重复的合成面板演示，将公式生成、选模与含成本评估串成离线流程。
- 通过时间隔离与公式约束等 32 项离线测试，保留上游来源及改造说明。

## 实现过程

1. 逐时点整理特征
2. 生成合法 RPN 公式
3. 训练与验证选模
4. 固定公式后盲测
5. 计入换手成本并复盘

## 设计取舍与收获

研究工具需要守住信息可用时间。我把未来数据变更、公式合法性和交易成本写成可以执行的检查。

## 技术与主题

Transformer · 符号回归 · 时间隔离

## 作品链接

- [源码与复现](https://github.com/skeleton2024/AlphaGPT-improved)