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