大模型被A股上了一课！EinsiaAI发布Quant Arena，半数大模型亏本

6 家前沿模型厂商的 9 个模型，被放进了同一场 A 股量化研究测试。 写策略，跑回测，再改代码。最后提交一个版本，交给预先封存的行情检验。 9 个模型中，只有 GPT 系列和 Opus 5.5 最后能够实现盈利，其他一半模型全部亏本。其中，得分最高的 GPT-6 Astra，虽然年化收益为 10.7%，但仍低于 17.1% 的市场基准（券池等权收益）。 更扎心的是：即使模型尽力研究市场，能把行情预测得更准，却不一定能把这份准转成收益。 近期，EinsiaAI 旗下 Navers Lab 团队发布 Quant Arena。它把顶尖大模型放到 A 股的真实历史数据中，检验从策略生成到反馈迭代的整轮研究。 论文题目：Quant-Arena: Benchmarking LLM Agents for Quantitative Trading Research 项目主页：https://lab.einsia.ai/quant-arena arXiv：https://arxiv.org/abs/2610.30113 3042 只股票，一轮完整研究 数据覆盖 3042 只 A 股 ，包括日频行情，以及原始 Level-2 报价、委托和成交。模型自己写 Python，构造特征，给股票打分。 研究期为 2022—2023 年 ，预算是 至多 5 次候选评估 。研究结束后，冻结一个策略，交给 2024 年的封存行情，只评一次 策略程序按授权读取数据，模型只拿到研究期允许的反馈。2024 年的数据和评估反馈，不回流给模型。 研究期内，模型可以看收益、信号和执行反馈，再改策略。 评估器按评分，构建目标为 75 只股票的等权多头组合，按整手成交。 交易成本和市场冲击，也算进现金账户。买不进的部分，留在现金里。榜单同时看收益、风险、信号、换手和特征多样性。 6 家厂商、9 个模型，谁能真正盈利？ 参测模型来自 6 家前沿模型厂商（Claude、GPT、Gemini、DeepSeek、Kimi 和 GLM），共 9 个模型。收益、Sharpe 和最大回撤，均对应 2024 年。策略收益已计入交易成本，超额收益以百分点计。 GPT-6 Astra 年化收益 10.7% ，GPT-6 Sol 为 8.6% ，GPT-5.6 Terra 为 8.4% ，Claude Opus 5.5 为 4.4% 。Claude Sonnet 5.5、Gemini 3.8 Flash、DeepSeek V4.1 Flash、Kimi K3 和 GLM-5.3 的年化收益分别为 −12.2%、−2.9%、−5.7%、−8.5% 和 −7.8%。 看风险，排序又变了。GPT-6 Astra 最大回撤为 −6.8% ，GPT-6 Sol 为 −2.8% ；Claude Opus 5.5 和 Kimi K3 的最大回撤分别为 −32.7% 和 −36.4%。GPT-6 Sol 的 Sharpe 为 1.89，GPT-6 Astra 为 0.86。 按每个模型总分最高的代表配置，5 个亏本，4 个盈利，而且没有一个能够跑赢市场基准。 9 个代表策略与市场基准的 2024 年现金账户净值 信号看着更准，账户却亏了 RankIC 看的是全体股票的排序，与后续收益排序有多一致。 Gemini 3.8 Flash 的 RankIC 为，年化收益却是 −2.9% 。GLM-5.3 的 RankIC 为，年化收益则是 −7.8% Claude Opus 5.5 的 RankIC 只有 −0.002 ，年化收益却达到 4.4% 研究团队按每日模型信号把股票分为 10 组，计算各组次日平均收益，以及最高组减最低组的 H−L 价差。9 个代表策略中，有 7 个的最高分组收益低于全样本均值，平均每天落后约 10 bp。 9 个代表策略的信号十分位收益。 Claude Opus 5.5、Claude Sonnet 5.5、Gemini 3.8 Flash、DeepSeek V4.1 Flash、Kimi K3 和 GLM-5.3 都呈现出 “驼峰”：从低分端数第二或第三组的股票收益最高，分数最高的一组反而回落。GPT-5.6 Terra 的 H−L 为 +28.6 bp ，GPT-6 Astra 为 +38.7 bp ，但 GPT-6 Astra 只有 56 个有信号的交易日。 全体排序有用，不代表最靠前的股票最赚钱。 组合恰恰买的是这一小部分 分组收益是信号诊断，账户结果还要经过仓位、成交和成本。 GPT-6 Astra 学会了择时 GPT-6 Astra 在研究中自己写了一个择时开关：只有全市场股票 5 日和 20 日涨幅的中位数都为正时才给股票打分，否则当天空仓。 这个开关在 2024 年 2 月的闪崩