## 📈 比赛背景

你好！欢迎来到**25春 UC量化挑战赛**！

在这场比赛中，你将面对一个真实而充满挑战的任务：预测股票的特定特征（“target”列）并对其进行排名预测。你不必拥有丰富的量化经验，只要你热爱建模、善于合作、渴望挑战，就可以在这个舞台上大放异彩！

## 🏆 比赛/结项任务

1. **特征预测**：根据提供的历史数据，预测股票的脱敏加权收益率
2. **排名预测**：对股票未来表现进行排名，找出那些"潜力股"

**运行代码得到结果并成功提交**，就算完成了**结项的基本要求**（当然还需要展示）
**但......更高的分数等待着你的冲击！**

## 📝 评分规则

我们采用加权综合评分，让每一分努力都得到公正的回报：

### 1️⃣ 预测准确性评分（50%）
- 基于预测值与实际值之间的均方误差(MSE)
- 精确预测将获得高分
- 满分100分

### 2️⃣ 排名预测评分（50%）
- 评估你对表现优异股票（Top k%）的识别能力
- 我们将测试多个k值（0.5%、1%、1.5%...直至100%）
- 如果你在某个k值的预测准确率超过随机预测水平（即k%），则获得分数加成
- 满分100分

### 🏅 最终得分
两部分评分的算术平均值，满分100分

## 👥 组队建议

量化需要团队协作！一个理想的团队可能包含以下角色：

### 🔍 数据分析师（数据预处理与可视化）
- 负责数据清洗、异常值检测和处理
- 创建直观的数据可视化图表
- 通过可视化挖掘数据中隐藏的模式和相关性
- **适合新手**：即使没有Python基础，也可以通过学习基础的pandas和matplotlib开始探索数据世界

### 🔮 宏观分析师（基本面因子挖掘）
- 发掘有效的金融因子
- 分析市场微观结构
- 结合金融理论与数据洞察
- **适合新手**：对经济金融市场有兴趣的同学可以研究基本概念，贡献独特的视角

### 📊 统计分析师（数理建模）
- 设计合适的损失函数或者数学模型捕捉市场行为
- 应用统计方法分析时间序列数据
- 提供理论支持和模型解释
- **适合新手**：数学或统计背景的同学可以从理论层面提供支持

### 💻 算法工程师（机器学习模型选取与实现）
- 构建和调优机器学习/深度学习模型
- 实现交叉验证和模型评估
- 优化预测性能和计算效率
- **适合新手**：可以从简单模型开始，如线性回归，逐步探索更复杂的算法


## 💡 参赛提示

- 合理的数据处理方式和创新的特征工程往往比复杂的模型更有价值
- 不要忽视数据的季节性和周期性
- 团队合作和多角度思考是取胜的关键
- 股市充满噪声，绝对的准确预测是不可能的，但微乎其微的相对优势就有可能获得超额收益，所以即便模型性能提升有限也不必气馁！加油！


## ⏰ 参赛流程

1.  根据分组情况组队
2. 下载比赛数据集开始探索
3. 定期提交你的预测结果
4. 在截止日期前提交最终方案与技术报告

## 🌟 最后的话

无论你是否拥有量化交易经验，这次内培和比赛都为你提供了一个展示才华、学习成长的舞台！
**“Dont waste your talents”**，大胆尝试，勇敢创新！

准备好了吗？玩得尽兴！

---

祝各位参赛者好运！🍀