看了一下今年的研究生項目，金融量化果然還是燙門，錄取分數(shù)線越來越高，申請人數(shù)依然居高不下，這么多人拼命卷...

目前來看，只卷學歷，理論知識肯定是不夠的，還得要實戰(zhàn)背景，對于學生來說，最好獲取實戰(zhàn)經(jīng)驗的方式就是實習、打比賽，前者也得要先獲得實習資格，后者就完全可以靠自己努力發(fā)揮了。

但金融領域的國際競賽也不常見，所以作為最高含金量的競賽之一，kaggle金融量化相關的比賽就顯得尤為珍貴。

今天學姐就幫同學們整理了kaggle目前為止所有的金融量化比賽，各場比賽的top方案也分享了，后續(xù)如果有新的學姐也會來更新的（如果忘了歡迎大家來提醒?。?/p>

另外，學姐的大佬朋友還分享過自己的金融量化知識經(jīng)驗，以及一些競賽套路＆資料，學姐也幫忙整理打包好了！

掃碼添加小享，回復“金融量化”

免費領取競賽資源合集

1.JPX東京證券交易所預測大賽

比賽鏈接：https://www.kaggle.com/competitions/jpx-tokyo-stock-exchange-prediction

比賽背景：現(xiàn)有的量化交易工作有很多用于分析金融市場和制定投資策略。創(chuàng)建和執(zhí)行這樣的策略需要歷史和實時數(shù)據(jù)，這對于散戶投資者來說尤其難以獲得。本次比賽將為日本市場提供財務數(shù)據(jù)，讓散戶投資者能夠最充分地分析市場。

評估標準：提交的內容根據(jù)每日點差回報的夏普比率進行評估，對給定日期的每只活躍股票進行排名。單日回報將排名最高的200只（例如0至199）股票視為買入，最低（例如1999至1800）排名最高的200只股票視為做空。然后根據(jù)股票的排名對股票進行加權，并假設股票在第二天購買并在第二天出售，則計算投資組合的總回報。

比賽時間：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.泛量市場預測大賽

比賽鏈接：https://www.kaggle.com/competitions/ubiquant-market-prediction

比賽背景：在本次競賽中，參賽者將構建一個預測投資回報率的模型。根據(jù)歷史價格訓練和測試算法。頂級參賽作品將盡可能準確地解決這個現(xiàn)實世界的數(shù)據(jù)科學問題。

如果成功，可以提高定量研究人員預測回報的能力。這將使任何規(guī)模的投資者都能做出更好的決策。參賽者甚至可能會發(fā)現(xiàn)自己對金融數(shù)據(jù)集有訣竅，在許多行業(yè)開辟了一個充滿新機遇的世界。

評估標準：提交內容根據(jù)每個時間 ID 的皮爾遜相關系數(shù)的平均值進行評估。

比賽時間：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-研究加密預測大賽

比賽鏈接：https://www.kaggle.com/competitions/g-research-crypto-forecasting

比賽背景：每天交易價值超過40億美元的加密貨幣，它們是最受歡迎的投機和投資資產之一，但已被證明非常不穩(wěn)定?？焖俨▌拥膬r格使少數(shù)幸運兒成為百萬富翁，并給其他人帶來了巨大的損失。其中一些價格變動是否可以提前預測？

在本次競賽中，參賽者將利用機器學習專業(yè)知識來預測 14 種流行加密貨幣的短期回報。

評估標準：提交的內容根據(jù)皮爾遜相關系數(shù)的加權版本進行評估。

比賽時間：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.優(yōu)化器實現(xiàn)波動率預測大賽

比賽鏈接：https://www.kaggle.com/c/optiver-realized-volatility-prediction

比賽背景：在金融市場中，波動性捕捉的是價格波動的量。高波動性與市場動蕩時期和價格大幅波動有關，而低波動性則描述了更平靜和安靜的市場。

在本次比賽中，參賽者將構建模型來預測不同行業(yè)數(shù)百只股票的短期波動。

評估標準：使用均方根百分比誤差評估提交，定義為：

比賽時間：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.簡街市場預測大賽

比賽鏈接：https://www.kaggle.com/competitions/jane-street-market-prediction/overview

比賽背景：在一個完全有效的市場中，買家和賣家將擁有做出理易決策所需的所有代理和信息。因此，產品將始終保持其“公允價值”，永遠不會被低估或定價過高。然而，金融市場在現(xiàn)實世界中并不完全有效。

制定交易策略以識別和利用低效率是具有挑戰(zhàn)性的。即使一種策略現(xiàn)在有利可圖，也可能在未來不會，市場波動使得無法確定地預測任何給定交易的盈利能力。因此，很難將好運氣與做出良好的交易決定區(qū)分開來。

在此挑戰(zhàn)中，參賽者將建立自己的量化交易模型，以使用來自全球主要證券交易所的市場數(shù)據(jù)最大化回報。

評估標準：該競賽根據(jù)效用分數(shù)進行評估。

比賽時間：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

掃碼添加小享，回復“金融量化”

免費領取競賽資源合集

6.利用新聞預測股票走勢大賽

比賽鏈接：https://www.kaggle.com/c/two-sigma-financial-news/overview

比賽背景：無處不在的數(shù)據(jù)使任何規(guī)模的投資者都能做出更好的投資決策。本次競賽挑戰(zhàn)在于攝取和解釋數(shù)據(jù)以確定哪些數(shù)據(jù)是有用的，在信息的海洋中找到信號。

通過分析新聞數(shù)據(jù)來預測股票價格，以了解新聞的預測能力。如果能夠利用這種力量，可以幫助預測財務結果，并在全世界產生重大的經(jīng)濟影響。

評估標準：在這場競爭中，參賽者必須預測一個有符號置信度值 ，該值乘以給定的十天窗口內的市場調整回報。如果你預計一只股票在未來十天內與大盤相比會有較大的正回報，你可以給它一個大的正回報（接近1.0）。如果你預計一只股票的回報為負，你可以給它分配一個大的負回報（接近-1.0）。如果不確定，可以為其分配一個接近零的值。

比賽時間：2018.9-2019.7

金牌方案：大佬們沒分享

7.財務建模挑戰(zhàn)賽

比賽鏈接：https://www.kaggle.com/c/two-sigma-financial-modeling

比賽背景：經(jīng)濟機會取決于在不確定的世界中提供單一準確預測的能力。通過準確預測金融走勢，Kagglers將學習科學驅動的方法來釋放重要的預測能力。

評估標準：提交將根據(jù)預測值和實際值之間的 R 值進行評估。R值類似于R平方值，也稱為決定系數(shù)。R 平方可以計算為：

比賽時間：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

8.溫頓股市挑戰(zhàn)大賽

比賽鏈接：https://www.kaggle.com/c/the-winton-stock-market-challenge

比賽背景：Winton Capital正在尋找擅長在大海撈針中發(fā)現(xiàn)隱藏信號的數(shù)據(jù)科學家，并且對創(chuàng)建新穎的統(tǒng)計建模和數(shù)據(jù)挖掘技術有熱情。在這次招聘競賽中，Winton挑戰(zhàn)參賽者承擔預測未來（股票回報）的艱巨任務。

評估標準：使用加權平均絕對誤差評估提交。

比賽時間：2016.1

金牌方案：大佬們也沒分享

9.由BattleFin設計的大數(shù)據(jù)組合

比賽鏈接：https://www.kaggle.com/c/battlefin-s-big-data-combine-forecasting-challenge

比賽背景：由BattleFin設計的大數(shù)據(jù)組合是計算機科學家的快速測試，具有精英預測分析技能，旨在將他們的模型貨幣化。該競賽旨在識別具有使用財務數(shù)據(jù)創(chuàng)建預測模型的才能的人員。向競爭對手提供日內交易數(shù)據(jù)，每隔 5 分鐘顯示一次股價走勢，并要求他們預測未來兩小時的變化。

評估標準：提交通過預測的百分比變化和實際百分比變化之間的平均絕對誤差進行評估。

比賽時間：2013.8-2013.10

金牌方案：大佬們依舊沒分享

10.算法交易挑戰(zhàn)大賽

比賽鏈接：https://www.kaggle.com/competitions/AlgorithmicTradingChallenge/overview

比賽背景：算法交易挑戰(zhàn)賽是一項預測競賽，旨在鼓勵開發(fā)新模型，以預測大宗交易后股市的短期反應。參賽者被要求推導出經(jīng)驗模型來預測這種“流動性沖擊”后的買入價和賣出價行為。

對市場彈性進行建模將通過提高回測模擬的真實性來改進交易策略評估方法，回測模擬目前假設市場彈性為零。

評估標準：性能評估將使用均方根誤差進行。對于每個預測，RMSE將在流動性沖擊后的每個時間步長分別計算買入價和賣出價。獲勝的模型將是累積量最低的模型整個預測集的 RMSE。

比賽時間：2012.1

金牌方案：

獲勝方案：https://www.kaggle.com/c/AlgorithmicTradingChallenge/discussion/1236

掃碼添加小享，回復“金融量化”

免費領取競賽資源合集