En el campo de la inversión cuantitativa, aunque la inteligencia artificial (IA) ha logrado avances significativos, carece de un estándar de referencia estandarizado que se ajuste a las prácticas de la industria. Esta brecha obstaculiza el progreso de la investigación y limita la aplicación práctica de la innovación académica. Por ello, hemos lanzado la plataforma de referencia industrial QuantBench para cubrir esta necesidad clave. QuantBench tiene tres ventajas principales: (1) cumplimiento de las normas estandarizadas de la industria de la inversión cuantitativa; (2) flexibilidad para compatibilizar con diversos algoritmos de IA; (3) cobertura completa del ciclo de vida de la inversión cuantitativa. Las investigaciones empíricas basadas en QuantBench revelaron varias direcciones clave de investigación, incluyendo la necesidad de aprendizaje continuo frente a cambios en la distribución, métodos mejorados para modelar datos financieros relacionales, y enfoques más robustos para mitigar el sobreajuste en entornos de baja relación señal-ruido. Al proporcionar una línea base de evaluación unificada y promover la colaboración entre la academia y la industria, QuantBench busca acelerar el progreso general de la IA en la inversión cuantitativa, con una influencia comparable a las plataformas de referencia en visión por computadora y procesamiento del lenguaje natural. El código relacionado está disponible como código abierto en GitHub (https://github.com/SaizhuoWang/quantbench).

referencia; inversión cuantitativa; aprendizaje profundo; modelo base