La investigación tradicional en inversiones cuantitativas enfrenta una presión doble debido a la disminución de los beneficios marginales y el aumento del costo del tiempo humano. Para superar este desafío, proponemos el gran modelo de inversión (LIM), un nuevo paradigma de investigación en inversión cuantitativa diseñado para lograr mejoras en el rendimiento y la eficiencia a escala. Este modelo construye un modelo base cuantitativo mediante aprendizaje de extremo a extremo y la creación de modelos base, permitiéndole aprender de manera autónoma patrones de señales complejas a partir de datos financieros multidimensionales que abarcan múltiples mercados, clases de activos y frecuencias. Estas "reglas globales" pueden transferirse a la fase de modelado de estrategias posteriores para optimizar el rendimiento en tareas específicas. Este artículo detalla el diseño de la arquitectura del sistema LIM, explora los desafíos técnicos clave de este paradigma, y señala las direcciones de investigación futuras.

Inteligencia artificial general; extremo a extremo; gran modelo de inversión; inversión cuantitativa; modelo base; modelo de lenguaje grande multimodal