В области количественных инвестиций, несмотря на значительный прогресс искусственного интеллекта (ИИ), отсутствуют стандартизированные эталонные показатели, соответствующие отраслевой практике. Этот пробел препятствует развитию исследований и ограничивает практическое применение академических инноваций. В связи с этим мы запустили промышленную эталонную платформу QuantBench для удовлетворения этой ключевой потребности. QuantBench обладает тремя основными преимуществами: (1) соответствует стандартам практики количественных инвестиций; (2) гибко совместим с различными алгоритмами ИИ; (3) охватывает полный жизненный цикл количественного инвестирования. Эмпирические исследования на базе QuantBench выявили несколько ключевых направлений, включая необходимость непрерывного обучения для преодоления сдвигов распределения, улучшенные методы моделирования реляционных финансовых данных и более надежные подходы к снижению переобучения в условиях низкого отношения сигнал-шум. Предоставляя единые базовые оценки и способствуя сотрудничеству академических и промышленных кругов, QuantBench направлен на ускорение общего прогресса ИИ в количественных инвестициях, сопоставимого с влиянием эталонных платформ в областях компьютерного зрения и обработки естественного языка. Соответствующий код открыт и размещён на GitHub (https://github.com/SaizhuoWang/quantbench).

эталон;количественные инвестиции;глубокое обучение;базовая модель