arXiv cs.CL· Houde Qian, Zheng Jiang, Wenyi Li, Chenxi Xu, Xinjie Lin, Yuzhao Peng, Ruoyu Han, Youjie Zheng, Kaisen Yang, Qinhuai Na, You Fu, Calvin Xiao·· 12 小时前AI 评分42
Quant-Arena：用真实 A 股数据评测 LLM 智能体的量化交易研究能力
Quant-Arena: Benchmarking LLM Agents for Quantitative Trading Research
AI 导读
研究团队推出 Quant-Arena 基准与公开排行榜，用真实 A 股数据端到端评测 LLM 智能体的量化研究能力：模型需构建特征与选股代码，仅基于 2022–2023 年数据获得反馈，并冻结一个策略在封存的 2024 年上评估。
正文 · AI 翻译
作者：Houde Qian、Zheng Jiang、Wenyi Li、Chenxi Xu、Xinjie Lin、Yuzhao Peng、Ruoyu Han、Youjie Zheng、Kaisen Yang、Qinhuai Na、You Fu、Calvin Xiao
摘要：定量研究是一个迭代循环：研究者提出市场假设，将其实现为可执行信号，在历史数据上进行测试，并决定保留哪些内容。现有基准测试评估的是公式、代码或单个交易决策，因此无法确定大语言模型（LLM）能否完成这一循环，并产出在研究期之外仍然有效的策略。我们推出 Quant-Arena，这是一个基于真实 A 股市场数据进行端到端定量研究的基准测试和公开排行榜。模型构建特征和股票评分代码，仅接收 2022--2023 年的反馈，并冻结一个策略，以便在封存的 2024 年进行评估。现金账户评估器会施加交易约束和成本，包括根据模拟订单簿估算的市场冲击。得分主要由已实现超额收益决定，并以信号质量和策略所用特征的多样性作为补充。我们评估了九个前沿模型，其中 GPT-6 Astra 得分最高；然而在 2024 年，没有任何模型能击败等权重市场。Quant-Arena 开放接受任何模型或智能体框架的提交。
| 评论： | 项目页面：此 https URL |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI）；计算工程、金融与科学（cs.CE） |
| 引用为： | arXiv:2610.30113 [cs.CL] |
| （或针对此版本的 arXiv:2610.30113v1 [cs.CL]） | |
| https://doi.org/10.48550/arXiv.2610.30113 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Wenyi Li [查看电子邮件]
[v1]
2026 年 10 月 21 日星期三 17:54:01 UTC（5,196 KB）
来源：arXiv cs.CL · arxiv.org