في مجال الاستثمار الكمي، على الرغم من تحقيق الذكاء الاصطناعي (AI) تقدمًا ملحوظًا، إلا أنه يفتقر إلى معايير مرجعية موحدة تتناسب مع ممارسات الصناعة. هذا الفجوة تعيق تقدم الأبحاث وتحد من التطبيق العملي للابتكار الأكاديمي. لذلك، أطلقنا منصة مرجعية صناعية QuantBench لسد هذه الحاجة الحيوية. يتميز QuantBench بثلاث مزايا رئيسية: (1) مطابقة لمعايير ممارسات الاستثمار الكمي؛ (2) مرونة في التوافق مع مختلف خوارزميات الذكاء الاصطناعي؛ (3) تغطية كاملة لجميع مراحل دورة حياة الاستثمار الكمي. كشفت الأبحاث التجريبية القائمة على QuantBench عن عدة اتجاهات بحثية مهمة، بما في ذلك الحاجة إلى التعلم المستمر لمواجهة انحراف التوزيع، وطرق نمذجة محسنة للبيانات المالية العلائقية، وطرق أكثر متانة لتخفيف الإفراط في التكيف في بيئات ذات نسبة إشارة إلى ضوضاء منخفضة. من خلال تقديم أساس تقييم موحد وتعزيز التعاون بين الأوساط الأكاديمية والصناعية، يهدف QuantBench إلى تسريع التقدم الكامل في الاستثمار الكمي المدعوم بالذكاء الاصطناعي، وتأثيره يمكن مقارنته بمنصات المرجع في مجالات رؤية الكمبيوتر ومعالجة اللغة الطبيعية. الكود ذي الصلة متوفر كمصدر مفتوح على GitHub (https://github.com/SaizhuoWang/quantbench).

معيار;استثمار كمي;تعلم عميق;نموذج أساسي