본 논문은 금융 시장의 자산 수익률 예측 과제(고차원성, 비정상성, 지속적 변동성)를 해결하기 위해, 정량적 전략의 전 과정을 자동화하는 최초의 데이터 중심 다중 에이전트 프레임워크인 RD-Agent(Q)를 제안합니다. RD-Agent(Q)는 연구 단계(목표 지향 프롬프트 설정, 가설 형성, 작업 매핑)와 개발 단계(코드 생성 에이전트 Co-STEER를 이용한 코드 생성 및 실제 시장 백테스트)로 구성되며, 피드백 단계를 통해 반복적인 최적화를 수행합니다. 실증 결과, RD-Agent(Q)는 기존 팩터 라이브러리보다 최대 2배 높은 연간 수익률을 달성했으며, 70% 적은 팩터를 사용하고 최첨단 심층 시계열 모델보다 우수한 성능을 보였습니다.
