在真实的高频量化交易中，我们常常需要在股票历史数据里挖掘有效信号。
然而，即便拥有高精度低延迟的交易系统，合理处理真实的“脏”数据并且选取合适的模型仍是极具挑战性的工作。

**目标:** 通过给定的股票数据集（包括时序数据和供应链数据），进行合适的数据处理和特征工程，建模预测股票未来一个时间点的预期收益率和收益率排名。