Die traditionelle quantitative Investmentforschung steht unter dem doppelten Druck sinkender Grenzerträge und steigender Personal- und Zeitkosten. Um dieser Herausforderung zu begegnen, schlagen wir das Large Investment Model (LIM) vor — ein neues Paradigma der quantitativen Investmentforschung, das auf die Skalierung von Leistung und Effizienz abzielt. Das Modell konstruiert ein grundlegendes quantitatives Investmentmodell durch End-to-End-Lernen und den Aufbau eines Basismodells, wodurch es in der Lage ist, eigenständig komplexe Signalpatterns aus multidimensionalen Finanzdaten über Märkte, Asset-Klassen und Frequenzen hinweg zu erlernen. Diese „globalen Regeln“ können in nachfolgende Strategiemodellierungsphasen transferiert werden, um die Leistung für spezifische Aufgaben zu optimieren. Dieser Artikel erläutert ausführlich das Systemarchitekturdesign von LIM, diskutiert die wichtigsten technischen Herausforderungen dieses Paradigmas und weist auf zukünftige Forschungsrichtungen hin.

Allgemeine künstliche Intelligenz;End-to-End;Großes Investmentmodell;Quantitatives Investment;Basismodell;Multimodales großes Sprachmodell