arXiv 2610.30113
Quant-Arena: 정량적 트레이딩 연구를 위한 LLM 에이전트 벤치마크
Quant-Arena: Benchmarking LLM Agents for Quantitative Trading Research
AI추천 21
저자: Houde Qian, Zheng Jiang, Wenyi Li, Chenxi Xu, Xinjie Lin, Yuzhao Peng, Ruoyu Han, Youjie Zheng +4
개요
저자들은 실제 A주 시장 데이터를 대상으로 한 end-to-end 정량 연구용 벤치마크와 공개 리더보드를 구축했습니다. 모델은 2022~2023년 피드백만 받아 피처와 종목 점수화 코드를 작성한 뒤, 거래 제약, 비용, 시뮬레이션 호가창 기반 시장 충격을 적용하는 현금 계좌 평가기로 봉인된 2024년에 하나의 전략을 평가받습니다.
소개
기존 벤치마크는 개별 수식, 코드 조각, 또는 단일 거래 결정만 평가하므로, LLM이 전체 연구 과정을 수행하고 개발 기간 이후에도 통하는 전략을 만들 수 있는지는 불분명합니다.
결과
평가한 9개 최신 모델 중 GPT-6 Astra가 가장 높은 점수를 받았지만, 2024년에 동일가중 시장을 이긴 모델은 없었습니다. 점수는 실현 초과수익이 대부분을 차지하며, 신호 품질과 피처 다양성이 이를 보완합니다.
결론
현재 LLM 에이전트는 표본 외에서 수익을 내는 퀀트 전략을 만들지 못하며, 공개 리더보드는 이러한 진전을 추적할 표준화된 방법을 제공한다는 점에서 의미가 있습니다.