Quant-Arena：面向真实A股数据的端到端量化研究基准
原始标题 / Quant-Arena: Benchmarking LLM Agents for Quantitative Trading Research
现有基准只评测公式、代码或单次交易决策，无法回答LLM能否完成从假设到可执行信号的完整量化研究闭环。Quant-Arena构建了基于真实A股数据的基准与公开排行榜，要求模型构造特征和选股代码，仅用2022–2023年反馈，冻结策略后在封存的2024年评估，并加入交易约束与成本（含模拟订单簿估计的市场冲击）。该基准对九款前沿模型的测试显示，最佳模型GPT-6 Astra仍未在2024年跑赢等权市场，为评估LLM量化研究能力提供了更接近实盘的检验框架。
01 摘要
Quant-Arena是一个端到端量化研究基准，让LLM在真实A股数据上完成特征构造、选股代码实现、历史回测和策略冻结的完整流程。模型只能获得2022–2023年的反馈，最终策略在封存的2024年用含交易约束与成本的现金账户评估。论文报告九款前沿模型中GPT-6 Astra得分最高，但没有任何模型在2024年跑赢等权市场。
02 关键点
- 基准覆盖从假设到可执行信号的完整量化研究闭环，而非仅评测公式或单次决策。
- 评估使用真实A股数据，2024年为封存测试年，并计入交易约束、成本及基于模拟订单簿的市场冲击。
- 九款前沿模型中GPT-6 Astra得分最高，但均未在2024年跑赢等权市场。
回到一手来源
阅读原文 ↗AI GENERATED SUMMARY / DISCOVERED BY HUGGING FACE DAILY PAPERS · ARXIV CS.CL