Традиционные исследования количественных инвестиций сталкиваются с двойным давлением убывающей предельной отдачи и роста затрат времени на человеческие ресурсы. Чтобы преодолеть эту проблему, мы предлагаем большую инвестиционную модель (LIM) — новый парадигм количественных инвестиционных исследований, направленный на масштабное повышение производительности и эффективности. Эта модель строит базовую количественную инвестиционную модель с помощью сквозного обучения и построения базовых моделей, позволяя самостоятельно изучать комплексные сигнальные паттерны в многомерных финансовых данных из разных рынков, классов активов и частот. Эти «глобальные закономерности» могут быть перенесены в этап моделирования нижестоящих стратегий для оптимизации производительности под конкретные задачи. В статье подробно описана архитектура системы LIM, обсуждаются ключевые технические вызовы парадигмы и указаны направления будущих исследований.

Общий искусственный интеллект; сквозное обучение; большая инвестиционная модель; количественные инвестиции; базовая модель; мультимодальная большая языковая модель