在 BacktestBench 上,23 个语言模型中最好的整体准确率为 67.41%,波动率和夏普比率在所有模型上都仍是「重灾区」

事件日期 / 报道日期

2026-05-18

证据阶段

技术能力演示、评测或论文表明技术上能做。它更新的是「技术能力」,不是「企业会怎么做」。

关联任务

回测与量化代码

编写和维护模型与回测的代码,并正确计算表现与风险指标。

正在被增强✓ 有证据支撑

适用范围

这是一项基准:模型要把策略描述转成可复现的回测,评估了 23 个语言模型。论文报告:最好的模型整体准确率为 67.41%;胜率等较简单的指标准确率较高,而波动率、夏普比率等复杂统计指标在所有模型上都仍是「重灾区」。它是固定基准,不是生产工作。

这意味着什么

决定一个策略好不好的那些数字 —— 波动率、夏普比率 —— 恰恰是模型仍然出错的地方。核对它们仍是量化人员的工作。

还不能说明什么

这是固定基准;没有测量真实的研究工作。

你可以核实什么

打开 arXiv 2605.17937(BacktestBench),在论文中找到 "67.41%"。

是否改变评估

否 —— 这个阶段本身也不移动评估。「技术能力」是真实的证据,但它不单独提升任务判断的层级。上面 1 项关联判断维持原状。

来源

一手来源 —— 由做这件事的当事人或记录的权威机构发布,无需联署。

这条记录被引用在