kaggle金融量化竞赛top方案汇总

network

kaggle金融量化竞赛top方案汇总

深度之眼

于 2023-07-06 17:11:43 发布

93
收藏 1
分类专栏： 深度学习干货 kaggle 比赛 文章标签： kaggle 量化金融 kaggle金牌
版权

深度学习干货
同时被 3 个专栏收录
208 篇文章7 订阅
订阅专栏

kaggle
20 篇文章2 订阅
订阅专栏

比赛
25 篇文章1 订阅
订阅专栏
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/competiti ... 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/competiti ... n/discussion/359151

第八名：https://www.kaggle.com/competiti ... n/discussion/359227

第十名：https://www.kaggle.com/competiti ... n/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/competiti ... n/discussion/338220

第二名：https://www.kaggle.com/competiti ... n/discussion/338615

第三名：https://www.kaggle.com/competiti ... n/discussion/338561

第五名：https://www.kaggle.com/competiti ... n/discussion/338400

第七名：https://www.kaggle.com/competiti ... n/discussion/338293

第八名：https://www.kaggle.com/competiti ... n/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/competiti ... g/discussion/323098

第三名：https://www.kaggle.com/competiti ... g/discussion/323703

第七名：https://www.kaggle.com/competiti ... g/discussion/323250

第九名：https://www.kaggle.com/competiti ... g/discussion/324180

第十三名：https://www.kaggle.com/competiti ... g/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/competiti ... n/discussion/274970

第四名：https://www.kaggle.com/competiti ... n/discussion/278676

第七名：https://www.kaggle.com/competiti ... n/discussion/276506

5.简街市场预测大赛


比赛链接：https://www.kaggle.com/competiti ... 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/competiti ... n/discussion/224348

第三名：https://www.kaggle.com/competiti ... n/discussion/224713

第十名：https://www.kaggle.com/competiti ... n/discussion/226837

第十五名：https://www.kaggle.com/competiti ... n/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/competiti ... ng/discussion/29793

第十二名：https://www.kaggle.com/competiti ... ng/discussion/29518

8.温顿股市挑战大赛


比赛链接：https://www.kaggle.com/c/the-winton-stock-market-challenge

比赛背景：Winton Capital正在寻找擅长在大海捞针中发现隐藏信号的数据科学家，并且对创建新颖的统计建模和数据挖掘技术有热情。在这次招聘竞赛中，Winton挑战参赛者承担预测未来（股票回报）的艰巨任务。

评估标准：使用加权平均绝对误差评估提交。

比赛时间：2016.1

金牌方案：大佬们也没分享

9.由BattleFin设计的大数据组合


比赛链接：https://www.kaggle.com/c/battlef ... recasting-challenge

比赛背景：由BattleFin设计的大数据组合是计算机科学家的快速测试，具有精英预测分析技能，旨在将他们的模型货币化。该竞赛旨在识别具有使用财务数据创建预测模型的才能的人员。向竞争对手提供日内交易数据，每隔 5 分钟显示一次股价走势，并要求他们预测未来两小时的变化。

评估标准：提交通过预测的百分比变化和实际百分比变化之间的平均绝对误差进行评估。

比赛时间：2013.8-2013.10

金牌方案：大佬们依旧没分享

10.算法交易挑战大赛


比赛链接：https://www.kaggle.com/competiti ... gChallenge/overview

比赛背景：算法交易挑战赛是一项预测竞赛，旨在鼓励开发新模型，以预测大宗交易后股市的短期反应。参赛者被要求推导出经验模型来预测这种“流动性冲击”后的买入价和卖出价行为。

对市场弹性进行建模将通过提高回测模拟的真实性来改进交易策略评估方法，回测模拟目前假设市场弹性为零。

评估标准：性能评估将使用均方根误差进行。对于每个预测，RMSE将在流动性冲击后的每个时间步长分别计算买入价和卖出价。获胜的模型将是累积量最低的模型整个预测集的 RMSE。

比赛时间：2012.1

金牌方案：

获胜方案：https://www.kaggle.com/c/Algorit ... nge/discussion/1236

关注下方《学姐带你玩AI》🚀🚀🚀

回复“金融量化”免费领取竞赛资料合集

码字不易，欢迎大家点赞评论收藏！
————————————————
版权声明：本文为CSDN博主「深度之眼」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_42645636/article/details/131579190