Quant-Arena 基准发布：九款前沿模型均未跑赢等权市场
论文AI 评分 72/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
研究团队推出 Quant-Arena，这是一个面向端到端量化研究、基于真实 A 股数据的基准与公开排行榜。模型需自行构造特征与选股代码，只在 2022 至 2023 年数据上获得反馈，随后冻结一套策略，在封存的 2024 年数据上接受评估。评估器按现金账户规则计入交易约束与成本，市场冲击由模拟订单簿估算。评分以实际超额收益为主，辅以信号质量与特征多样性。九款前沿模型参与测试，GPT-6 Astra 得分最高，但没有任何模型在 2024 年跑赢等权市场。该基准接受任意模型或智能体框架提交。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载评测覆盖完整研究闭环
现有基准多只考察公式书写、代码生成或单次交易决策，无法回答模型能否走完量化研究的完整循环。Quant-Arena 把这一循环定义为：提出市场假设、将其实现为可执行信号、在历史数据上检验、再决定保留什么。模型需要自己构造特征并写出选股代码，而不是在给定信号上做选择题。评测使用真实 A 股数据，模型能看到的反馈只来自 2022 至 2023 年，之后必须冻结一套策略，交给封存的 2024 年数据检验。这一设计把「研究期表现」和「研究期之外是否有效」分开，避免模型针对可见区间反复调参。
成本与约束如何计入
策略不是按理想价格成交来打分。评估器以现金账户的方式运行，计入交易约束与交易成本，其中市场冲击由模拟订单簿估算。这意味着换手越高、下单越激进，付出的代价越明显，靠高频倒手刷收益的做法会被成本抵消。评分主体是实际实现的超额收益，同时用信号质量与策略所使用特征的多样性作为补充维度，避免只看单一收益数字。
九款模型的结果
团队测试了九款前沿模型，GPT-6 Astra 得分最高。但在 2024 年的封存区间里，没有任何一款模型的策略跑赢等权市场组合。这一结果说明，在当前设定下，模型尚不能稳定产出超越简单基准的选股策略，得分高低与能否战胜市场并不同步。基准与公开排行榜接受任意模型或智能体框架提交，后续可用来观察新模型与新框架在这一闭环上的进展。
为什么值得看
它把评测从写公式、写代码推进到完整研究闭环，并给出一个不乐观的结论：现有模型尚不能稳定产出超越市场的策略。
GPT智能体量化
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。