Quant-Arena：让大模型接受完整量化研究流程的实战检验

导语

大模型能写出一段看似合理的选股代码，并不等于它具备真正的量化研究能力。现实中的研究工作通常要经历一条完整链路：提出市场假设、设计特征、实现可执行信号、回测验证，再根据结果修改或放弃方案。Quant-Arena 试图把这条链路整体搬进一个可比较的评测环境，检验模型生成的策略能否在训练反馈之外继续有效。

核心要点

• 评测对象从局部能力转向完整闭环。 参评模型需要构造特征并编写股票评分代码，而不是只回答理论问题或生成孤立公式。
• 训练反馈与最终评测严格分离。 模型只能看到 2022—2023 年的数据反馈，并据此迭代；策略一旦冻结，就要在封闭的 2024 年进行评估。
• 环境更接近真实交易。 评测采用现金账户，纳入交易限制和交易成本，并通过模拟订单簿估计市场冲击，避免只看理想化的毛收益。
• 评分并非只看收益。 已实现的超额收益是主要依据，同时参考信号质量和特征多样性。
• 领先不等于战胜基准。 论文评估了九个前沿模型，GPT-6 Astra 得分最高，但在 2024 年没有模型跑赢等权市场。

这项基准的意义

Quant-Arena 的价值首先在于，它把“会写代码”与“能做研究”区分开来。很多模型在历史数据上生成策略并不困难，真正困难的是控制过拟合，并在研究期结束后面对新的市场环境。将评测年份封闭，能够减少模型针对最终答案调参的空间，也更接近策略上线前的样本外检验。

其次，交易约束、成本和市场冲击会改变策略的实际可行性。一个回测中表现亮眼、却依赖高换手或理想成交价格的信号，未必具有部署价值。Quant-Arena 将这些因素纳入统一环境，有助于比较不同模型及其智能体框架在实际研究流程中的稳健性。

不过，单个封闭年份仍不能代表长期投资能力，排行榜分数也不能直接等同于可交易产品。未来评测若能覆盖更多市场阶段、资产范围和研究设定，结论会更有代表性。就现有结果而言，最重要的信号并不是某个模型暂时领先，而是端到端量化研究仍是大模型尚未攻克的任务。Quant-Arena 已开放来自不同模型或智能体框架的提交，为后续比较提供了公开入口。

来源：Hugging Face Daily Papers