Im Bereich des quantitativen Investierens hat die Künstliche Intelligenz (KI) zwar erhebliche Fortschritte erzielt, es fehlt jedoch an standardisierten Benchmarks, die mit der Branchenpraxis übereinstimmen. Diese Lücke behindert den Forschungsfortschritt und begrenzt die praktische Anwendung akademischer Innovationen. Daher haben wir die industrielle Benchmark-Plattform QuantBench entwickelt, um diesen wichtigen Bedarf zu decken. QuantBench verfügt über drei Kernvorteile: (1) Einhaltung von Standards der quantitativen Investmentpraxis; (2) Kompatibilität mit verschiedenen KI-Algorithmen; (3) vollständige Abdeckung des gesamten Lebenszyklus quantitativer Investitionen. Empirische Studien basierend auf QuantBench zeigen mehrere wichtige Forschungsrichtungen auf, darunter den Bedarf an kontinuierlichem Lernen zur Bewältigung von Verteilungsschwankungen, verbesserte Modellierungsmethoden für relationale Finanzdaten und robustere Ansätze zur Verringerung von Überanpassung in Umgebungen mit niedrigem Signal-Rausch-Verhältnis. Durch die Bereitstellung einer einheitlichen Bewertungsbasis und die Förderung der Zusammenarbeit zwischen Wissenschaft und Industrie zielt QuantBench darauf ab, den Gesamtfortschritt von KI im quantitativen Investieren zu beschleunigen – mit einer Wirkung vergleichbar mit Benchmark-Plattformen in der Computer Vision und der natürlichen Sprachverarbeitung. Der zugehörige Code ist als Open Source auf GitHub verfügbar (https://github.com/SaizhuoWang/quantbench).

Benchmark; quantitatives Investieren; Deep Learning; Basismodell