Quant Arena是EinsiaAI旗下Navers Lab推出的端到端大模型量化研究基准。它不满足于检查模型是否会写策略代码，而是要求模型走完提出假设、构造特征、提交候选、读取反馈、修改方案和冻结策略的完整流程，最后再用未见过的行情检验样本外表现。
为什么值得推荐
很多AI金融评测只比较公式、代码片段或单次交易决策，容易忽略量化研究最关键的迭代过程。Quant Arena把研究期与封存评测期分离，模型在2022至2023年最多获得5次候选反馈，定稿后再进入2024年行情，避免持续根据测试结果调参。
核心能力
- 端到端研究：模型自行编写Python特征和股票评分代码，没有预设因子。
- 封存验证：最终策略冻结后，在2024年数据上只运行一次。
- 现实约束：现金账户纳入整手交易、手续费、流动性和市场冲击。
- 多维评分：综合收益、风险、信号质量、换手与特征多样性。
- 开放榜单：其他模型和Agent框架可以在同一规则下提交挑战。
如何使用
- 先阅读项目页的任务定义、数据范围和评分方法。
- 打开Live Arena或公开排行榜，查看当前模型与配置的完整结果。
- 准备能够生成并执行Python策略代码的模型或Agent框架。
- 按照项目要求申请数据权限并完成研究期候选提交。
- 选择一个候选策略冻结，由平台在封存行情中执行最终评测。
结果应该怎样理解
首轮公开实验中，按每个模型最高综合得分选择的9个代表策略，有5个在2024年亏损，最佳年化收益为10.7%，低于17.1%的等权市场基准。这说明模型会写代码、能从反馈中修正错误，不代表它已经获得稳定的样本外投资优势。
适合人群
适合研究LLM Agent、量化金融、代码生成、评测体系和样本外泛化的团队，也适合希望比较不同模型研究能力的开发者。不适合作为普通用户的自动荐股工具，更不能直接替代持牌投顾和独立风险判断。
综合评价
Quant Arena最有价值的地方，是把“大模型会不会炒股”从宣传口号改造成可执行、受约束、能复现的研究问题。它的结果并不乐观，却比单纯展示盈利案例更有参考价值。使用时仍应记住，任何历史回测都无法保证未来表现。