kaggle金融量化竞赛top方案汇总

看了一下今年的研究生项目，金融量化果然还是烫门，录取分数线越来越高，申请人数依然居高不下，这么多人拼命卷...

目前来看，只卷学历，理论知识肯定是不够的，还得要实战背景，对于学生来说，最好获取实战经验的方式就是实习、打比赛，前者也得要先获得实习资格，后者就完全可以靠自己努力发挥了。

但金融领域的国际竞赛也不常见，所以作为最高含金量的竞赛之一，kaggle金融量化相关的比赛就显得尤为珍贵。

今天我就帮同学们整理了kaggle目前为止所有的金融量化比赛，各场比赛的top方案也分享了，后续如果有新的也会来更新的（如果忘了欢迎大家来提醒！）

另外，我的大佬朋友还分享过自己的金融量化知识经验，以及一些竞赛套路＆资料，也帮忙整理打包好了。文末领取

1.JPX东京证券交易所预测大赛

比赛链接：https://www.kaggle.com/competitions/jpx-tokyo-stock-exchange-prediction

比赛背景：现有的量化交易工作有很多用于分析金融市场和制定投资策略。创建和执行这样的策略需要历史和实时数据，这对于散户投资者来说尤其难以获得。本次比赛将为日本市场提供财务数据，让散户投资者能够最充分地分析市场。

评估标准：提交的内容根据每日点差回报的夏普比率进行评估，对给定日期的每只活跃股票进行排名。单日回报将排名最高的200只（例如0至199）股票视为买入，最低（例如1999至1800）排名最高的200只股票视为做空。然后根据股票的排名对股票进行加权，并假设股票在第二天购买并在第二天出售，则计算投资组合的总回报。

比赛时间：2022.4-2022.7

金牌方案：

第四名：https://www.kaggle.com/competitions/jpx-tokyo-stock-exchange-prediction/discussion/359151
第八名：https://www.kaggle.com/competitions/jpx-tokyo-stock-exchange-prediction/discussion/359227
第十名：https://www.kaggle.com/competitions/jpx-tokyo-stock-exchange-prediction/discussion/361127

2.泛量市场预测大赛

比赛链接：https://www.kaggle.com/competitions/ubiquant-market-prediction

比赛背景：在本次竞赛中，参赛者将构建一个预测投资回报率的模型。根据历史价格训练和测试算法。顶级参赛作品将尽可能准确地解决这个现实世界的数据科学问题。

如果成功，可以提高定量研究人员预测回报的能力。这将使任何规模的投资者都能做出更好的决策。参赛者甚至可能会发现自己对金融数据集有诀窍，在许多行业开辟了一个充满新机遇的世界。

评估标准：提交内容根据每个时间 ID 的皮尔逊相关系数的平均值进行评估。

比赛时间：2022.1-2022.4

金牌方案：

第一名：https://www.kaggle.com/competitions/ubiquant-market-prediction/discussion/338220
第二名：https://www.kaggle.com/competitions/ubiquant-market-prediction/discussion/338615
第三名：https://www.kaggle.com/competitions/ubiquant-market-prediction/discussion/338561
第五名：https://www.kaggle.com/competitions/ubiquant-market-prediction/discussion/338400
第七名：https://www.kaggle.com/competitions/ubiquant-market-prediction/discussion/338293
第八名：https://www.kaggle.com/competitions/ubiquant-market-prediction/discussion/338236

3.G-研究加密预测大赛

比赛链接：https://www.kaggle.com/competitions/g-research-crypto-forecasting

比赛背景：每天交易价值超过40亿美元的加密货币，它们是最受欢迎的投机和投资资产之一，但已被证明非常不稳定。快速波动的价格使少数幸运儿成为百万富翁，并给其他人带来了巨大的损失。其中一些价格变动是否可以提前预测？

在本次竞赛中，参赛者将利用机器学习专业知识来预测 14 种流行加密货币的短期回报。

评估标准：提交的内容根据皮尔逊相关系数的加权版本进行评估。

比赛时间：2021.11-2022.2

金牌方案：

第二名：https://www.kaggle.com/competitions/g-research-crypto-forecasting/discussion/323098
第三名：https://www.kaggle.com/competitions/g-research-crypto-forecasting/discussion/323703
第七名：https://www.kaggle.com/competitions/g-research-crypto-forecasting/discussion/323250
第九名：https://www.kaggle.com/competitions/g-research-crypto-forecasting/discussion/324180
第十三名：https://www.kaggle.com/competitions/g-research-crypto-forecasting/discussion/313386

4.优化器实现波动率预测大赛

比赛链接：https://www.kaggle.com/c/optiver-realized-volatility-prediction

比赛背景：在金融市场中，波动性捕捉的是价格波动的量。高波动性与市场动荡时期和价格大幅波动有关，而低波动性则描述了更平静和安静的市场。

在本次比赛中，参赛者将构建模型来预测不同行业数百只股票的短期波动。

评估标准：使用均方根百分比误差评估提交，定义为：

比赛时间：2021.6-2021.9

金牌方案：

第一名：https://www.kaggle.com/competitions/optiver-realized-volatility-prediction/discussion/274970
第四名：https://www.kaggle.com/competitions/optiver-realized-volatility-prediction/discussion/278676
第七名：https://www.kaggle.com/competitions/optiver-realized-volatility-prediction/discussion/276506

5.简街市场预测大赛

比赛链接：https://www.kaggle.com/competitions/jane-street-market-prediction/overview

比赛背景：在一个完全有效的市场中，买家和卖家将拥有做出理易决策所需的所有代理和信息。因此，产品将始终保持其“公允价值”，永远不会被低估或定价过高。然而，金融市场在现实世界中并不完全有效。

制定交易策略以识别和利用低效率是具有挑战性的。即使一种策略现在有利可图，也可能在未来不会，市场波动使得无法确定地预测任何给定交易的盈利能力。因此，很难将好运气与做出良好的交易决定区分开来。

在此挑战中，参赛者将建立自己的量化交易模型，以使用来自全球主要证券交易所的市场数据最大化回报。

评估标准：该竞赛根据效用分数进行评估。

比赛时间：2021.2-2021.8

金牌方案：

第一名：https://www.kaggle.com/competitions/jane-street-market-prediction/discussion/224348
第三名：https://www.kaggle.com/competitions/jane-street-market-prediction/discussion/224713
第十名：https://www.kaggle.com/competitions/jane-street-market-prediction/discussion/226837
第十五名：https://www.kaggle.com/competitions/jane-street-market-prediction/discussion/269181

6.利用新闻预测股票走势大赛

比赛链接：https://www.kaggle.com/c/two-sigma-financial-news/overview

比赛背景：无处不在的数据使任何规模的投资者都能做出更好的投资决策。本次竞赛挑战在于摄取和解释数据以确定哪些数据是有用的，在信息的海洋中找到信号。

通过分析新闻数据来预测股票价格，以了解新闻的预测能力。如果能够利用这种力量，可以帮助预测财务结果，并在全世界产生重大的经济影响。

评估标准：在这场竞争中，参赛者必须预测一个有符号置信度值，该值乘以给定的十天窗口内的市场调整回报。如果你预计一只股票在未来十天内与大盘相比会有较大的正回报，你可以给它一个大的正回报（接近1.0）。如果你预计一只股票的回报为负，你可以给它分配一个大的负回报（接近-1.0）。如果不确定，可以为其分配一个接近零的值。

比赛时间：2018.9-2019.7

金牌方案：大佬们没分享

7.2 $\sigma$ 财务建模挑战赛

比赛链接：https://www.kaggle.com/c/two-sigma-financial-modeling

比赛背景：经济机会取决于在不确定的世界中提供单一准确预测的能力。通过准确预测金融走势，Kagglers将学习科学驱动的方法来释放重要的预测能力。

评估标准：提交将根据预测值和实际值之间的 R 值进行评估。R值类似于R平方值，也称为决定系数。R 平方可以计算为：

比赛时间：2017.2-2017.3

金牌方案：

第七名：https://www.kaggle.com/competitions/two-sigma-financial-modeling/discussion/29793
第十二名：https://www.kaggle.com/competitions/two-sigma-financial-modeling/discussion/29518