金融市场愈发复杂，传统量化策略在应对市场波动和突发风险时逐渐暴露短板。以收益预测为核心的单一模型，虽然可能带来一定超额收益，但在组合整体优化与风险控制之间往往难以兼顾。这也推动科技与金融更深层次的融合。近年来，深度学习为策略创新提供了重要工具，但仅依赖神经网络做因子挖掘与预测，容易忽视全局最优的决策需求，导致收益与风险难以统一。基于该问题，西南证券于2026年3月发布T2RL（Transformer + Reinforcement Learning）框架，尝试以端到端的深度强化学习体系突破传统模型边界，把因子挖掘与组合优化打通。
从“预测信号”走向“交易决策”，是量化研究从实验走向市场的关键一步。T2RL展示的思路，强调以投资目标牵引模型设计、以风险约束明确决策边界。面向未来，能否在追求超额收益的同时，把稳健性、成本约束与可验证的风险管理纳入统一框架，将决定端到端量化方法能走多远、能走多稳。