A pesquisa tradicional em investimento quantitativo enfrenta uma pressão dupla devido ao retorno marginal decrescente e ao aumento do custo do tempo humano. Para superar essa dificuldade, propomos o grande modelo de investimento (LIM) — um novo paradigma de pesquisa em investimento quantitativo que visa melhorias em escala de desempenho e eficiência. Esse modelo constrói um modelo base quantitativo por meio de aprendizado de ponta a ponta e construção de modelos base, permitindo que aprenda de forma autônoma padrões de sinais integrados a partir de dados financeiros multidimensionais que abrangem mercados, classes de ativos e frequências. Essas “leis globais” podem ser transferidas para a fase de modelagem de estratégias a jusante, otimizando o desempenho para tarefas específicas. Este artigo detalha o design da arquitetura do sistema LIM, explora os desafios técnicos-chave desse paradigma e aponta direções futuras de pesquisa.

Inteligência artificial geral; ponta a ponta; grande modelo de investimento; investimento quantitativo; modelo base; grande modelo linguístico multimodal