创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

Quant-Arena 以真实 A 股数据评测 LLM 智能体端到端量化研究能力

AI 总结

一篇新 arXiv 论文(编号 2610.30113,2026 年 10 月 21 日提交)提出 Quant-Arena,这是一个面向真实 A 股市场数据、针对端到端量化研究的基准测试与公开排行榜。按其设定,模型需自行构建特征与选股代码,仅在 2022—2023 年数据上获得反馈,随后冻结一个策略,在封存的 2024 年数据上接受评估;现金账户评估器会施加交易约束与成本,包括依据模拟订单簿估算的市场冲击。作者称在评测的九个前沿模型中 GPT-6 Astra 得分最高,但 2024 年没有任何模型跑赢等权市场;Quant-Arena 对任何模型或智能体框架开放提交。

深度见解

作者认为,现有基准只评测公式、代码或单次交易决策,无法回答 LLM 能否完成完整研究闭环并产出在研究期之外仍有效的策略。

Computer Science > Computation and Language

arXiv:2610.30113 (cs)

[Submitted on 21 Oct 2026]

Title:Quant-Arena: Benchmarking LLM Agents for Quantitative Trading Research

Authors:Houde Qian, Zheng Jiang, Wenyi Li, Chenxi Xu, Xinjie Lin, Yuzhao Peng, Ruoyu Han, Youjie Zheng, Kaisen Yang, Qinhuai Na, You Fu, Calvin Xiao

View a PDF of the paper titled Quant-Arena: Benchmarking LLM Agents for Quantitative Trading Research, by Houde Qian and 11 other authors

#Quant-Arena#GPT-6 Astra#arXiv

原文约 3 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。