机器学习在债券定价中的应用

主办方: 国泰君安 - 当前服务器时间 五月 12, 2021, 5:09 p.m. UTC+8
奖励 ¥120000
参赛提交

上一阶段

线上提交阶段
五月 5, 2021, 午夜 UTC+8

当前阶段

等待评审阶段
五月 6, 2021, 午夜 UTC+8

下一阶段

线上排名与答辩阶段
六月 6, 2021, 5 p.m. UTC+8

赛题考官

国泰君安

国泰君安-机器学习在债权定价中的应用赛题解读

赛题背景

固定收益证券定价的驱动因素有五个层面,即基本面、政策面、供求面、资金面、情绪面。五个层面之间的相关性又很强,典型的是经济基本面与货币政策面之间的内生关系——央行依据经济基本面制定货币政策,货币政策的目的又是为了调节经济基本面。由于经济结构在变化、市场制度和参与者结构在变化、央行制定政策的依据和逻辑在变化、投资者的决策逻辑在变化、以及其他等等变化因素,固定收益的定价模型很明显也在变化中。影响债券价格的最重要因素是宏观因素,其最典型的数据频率是季度和月度,数据的相对低频导致定价逻辑中归纳的成分被缩小,演绎和博弈的成分被放大。以上因素导致目前市场中对于用量化方法研究固定收益证券并不看好。

计量方法在定价与预测中存在若干不足。第一由于经济与市场结构在变化,模型的结构也在发生变化,不同时期资产价格的驱动因素不同,在线性模型中这表现为模型系数的变化。举例说我国10年国债收益率,在2000年到08年间与CPI相关性很明显,之后这种相关性有所减弱。第二是解释变量之间相关性的问题,在计量模型中会导致有偏估计。想要尽可能多尝试一些新的数据构造解释变量,但不可避免地会陷入维度灾难。对于宏观因子,由于经济变量之间有千丝万缕的关系,相关性则会更高一些。滚动地使用Lasso或者使用动态系数模型或许有助于在计量经济方法范围内解决以上问题,但这已经削弱了模型可解释性。第三点是研究对象系统的非线性性质难以用计量模型挖掘。第四是难以确认计量模型的失效究竟是隐藏变量因素还是非线性关系因素。还有一些其他原因,但以上理由足以使得机器学习方法具有吸引力。

赛题任务

利用宏观数据、行情数据或者其它特色数据构建特征,进行机器学习建模,对中债10年期国债、中债10年期国开债、中债10年期AAA级地方政府债、中债10年期AAA级城投债以及中债10年期AAA级企业债到期收益率进行预测,预测给定的未来时间段(2021.5.6-2021.6.4期间,包含两端日期,共 23 个交易日)的系列十年期债券利率价格,并分析所用特征重要程度,给出相关逻辑解释。

建议采用的建模数据包括但不限于:

(1)技术指标,如用10年期国债在过去30天的平均收益率。

(2)股票市场指标,如沪深300指数及指数的收益率。

(3)经济增长指标,如经济增加值同比、实际消费同比和实际固定资产投资同比。

(4)房地产市场指标,如房地产开发投资、房屋施工面积、房屋新开工面积、房屋竣工面积、商品房销售面积以及商品房销售额的月度同比。

(5)价格指标,如CPI、食品价格指数、能源价格指数、服务业价格指数、PPI和PPIRM。

(6)商品价格指标,如IPE、WTI和Oman的石油现价,以及上海期货交易所的螺纹钢主力合约价格和COMEX的黄金主力合约价格。

(6)货币指标,如M2、社融和信贷总额的同比增长率。

(7)资金市场指标,如Shibor1W。

赛题数据

参考数据

1.数据规模和内容覆盖

本赛题提供 2000年 至 2021年3月 来自 Wind 终端及其他公开渠道的经济数据。允许利用外部其他公开数据,但必须提供数据来源以及逻辑说明。

提供的数据包括:

  • 2000 年-2021 年 3 月的各类型债券收益率 数据
  • 2021 年 4 月的数据,将统一在 4月底上传平台供选手使用(选手也可自行通过公开渠道获取)
  • 供建模参考的数据:
    • 宏观经济数据(按年度、季度、月度周期提供)
  • 房地产数据
  • 市场数据(如石油、股市的日交易)

2. 数据内容示例:

A. 各类型债权收益率

 列名

 中文名

 类型

 说明

 biz_date

 日期

 string

 

 treasury_bond_rate_1m

 中债国债到期收益率:1个月

 double

 

 treasury_bond_rate_3m

 中债国债到期收益率:3个月

 double

 

 treasury_bond_rate_6m

 中债国债到期收益率:6个月

 double

 

 treasury_bond_rate_1y

 中债国债到期收益率:1年

 double

 

 treasury_bond_rate_3y

 中债国债到期收益率:3年

 double

 

 treasury_bond_rate_10y

 中债国债到期收益率:10年

 double

 

 cdb_rate_6m

 中债国开债到期收益率:6个月

 double

 

 cdb_rate_1y

 中债国开债到期收益率:1年

 double

 

 cdb_rate_3y

 中债国开债到期收益率:3年

 double

 

 cdb_rate_10y

 中债国开债到期收益率:10年

 double

 

 loc_rate_6m

 中债地方政府债到期收益率(AAA):6个月

 double

 

 loc_rate_1y

 中债地方政府债到期收益率(AAA):1年

 double

 

 loc_rate_3y

 中债地方政府债到期收益率(AAA):3年

 double

 

 loc_rate_10y

 中债地方政府债到期收益率(AAA):10年

 double

 

 cdi_rate_6m

 中债城投债到期收益率(AAA):6个月

 double

 

 cdi_rate_1y

 中债城投债到期收益率(AAA):1年

 double

 

 cdi_rate_3y

 中债城投债到期收益率(AAA):3年

 double

 

 cdi_rate_10y

 中债城投债到期收益率(AAA):10年

 double

 

 com_rate_1m

 中债企业债到期收益率(AAA):1个月

 double

 

 com_rate_3m

 中债企业债到期收益率(AAA):3个月

 double

 

 com_rate_6m

 中债企业债到期收益率(AAA):6个月

 double

 

 com_rate_1y

 中债企业债到期收益率(AAA):1年

 double

 

 com_rate_3y

 中债企业债到期收益率(AAA):3年

 double

 

 com_rate_10y

 中债企业债到期收益率(AAA):10年

 double

 

B. 参考数据

 经济数据.年

 列名

 类型

 含义

 示例

 biz_year

 int

 年

2003

 fixedinvestment_used

 double

 全部工业增加值同比:单位%

0.0157

 fixedinvestment_used

 double

 社会消费品零售总额:实际同比:单位%

0.0157

 

 经济数据.季

 列名

 类型

 含义

 示例

 biz_season

 int

 季

 2003-03

 fixedinvestment_used

 double

 固定资产投资完成额实际累计同比:单位%

0.0157

 

 房地产数据.月

 列名

 

 中文名

 说明

 biz_month

 string

 月

 2000-02

 investment_real_estate_ratio

 double

 房地产开发投资完成额累计同比:单位%

 

 new_area_ratio

 double

 房屋新开工面积累计同比:单位%

 

 working_area_ratio

 double

 房屋施工面积累计同比:单位%

 

 finish_area_ratio

 double

 房屋竣工面积累计同比:单位%

 

 saled_area_ratio

 double

 商品房销售面积累计同比::单位%

 

 saled_amount_ratio

 double

 商品房销售额累计同比::单位%

 

 

 经济数据.月

 biz_month

 string

 月

 2000-02

 cpi

 double

 CPI当月同比:单位%

 

 cpi_food

 double

 食品CPI当月同比::单位%

 

 ppi

 double

 PPI当月同比:单位%

 

 ppirm

 double

 PPIRM当月同比:单位%

 

 energy_price_index

 double

 能源类大宗商品价格指数

 

 non-manufacturing_pmi

 double

 非制造业PMI销售价格指数

 

 m2_ratio

 double

 M2同比:单位%

 

 credit_ratio

 double

 国内信贷同比:单位%

 

 social finance_ratio

 double

 社会融资规模存量同比:单位%

 

 

 市场数据.日

 biz_date

 string

 日期

43825

 oil_dtd_spot

 double

 英国布伦特Dtd石油现货:单位(美元/桶)

 

 luowen_steel_future

 double

 螺纹钢加权主力合约平均价:单位(元/吨)

 

 gold_comex_future

 double

 COMEX黄金期货结算价活跃合约:单位(美元/盎司)

 

 csi 300_index

 double

 沪深300指数

 

 

A. 各类型债权收益率

 列名

 中文名

 类型

 说明

 biz_date

 日期

 string

 

 treasury_bond_rate_1m

 中债国债到期收益率:1个月

 double

 

 treasury_bond_rate_3m

 中债国债到期收益率:3个月

 double

 

 treasury_bond_rate_6m

 中债国债到期收益率:6个月

 double

 

 treasury_bond_rate_1y

 中债国债到期收益率:1年

 double

 

 treasury_bond_rate_3y

 中债国债到期收益率:3年

 double

 

 treasury_bond_rate_10y

 中债国债到期收益率:10年

 double

 

 cdb_rate_6m

 中债国开债到期收益率:6个月

 double

 

 cdb_rate_1y

 中债国开债到期收益率:1年

 double

 

 cdb_rate_3y

 中债国开债到期收益率:3年

 double

 

 cdb_rate_10y

 中债国开债到期收益率:10年

 double

 

 loc_rate_6m

 中债地方政府债到期收益率(AAA):6个月

 double

 

 loc_rate_1y

 中债地方政府债到期收益率(AAA):1年

 double

 

 loc_rate_3y

 中债地方政府债到期收益率(AAA):3年

 double

 

 loc_rate_10y

 中债地方政府债到期收益率(AAA):10年

 double

 

 cdi_rate_6m

 中债城投债到期收益率(AAA):6个月

 double

 

 cdi_rate_1y

 中债城投债到期收益率(AAA):1年

 double

 

 cdi_rate_3y

 中债城投债到期收益率(AAA):3年

 double

 

 cdi_rate_10y

 中债城投债到期收益率(AAA):10年

 double

 

 com_rate_1m

 中债企业债到期收益率(AAA):1个月

 double

 

 com_rate_3m

 中债企业债到期收益率(AAA):3个月

 double

 

 com_rate_6m

 中债企业债到期收益率(AAA):6个月

 double

 

 com_rate_1y

 中债企业债到期收益率(AAA):1年

 double

 

 com_rate_3y

 中债企业债到期收益率(AAA):3年

 double

 

 com_rate_10y

 中债企业债到期收益率(AAA):10年

 double

 

B. 参考数据

 经济数据.年

 列名

 类型

 含义

 示例

 biz_year

 int

 年

2003

 fixedinvestment_used

 double

 全部工业增加值同比:单位%

0.0157

 fixedinvestment_used

 double

 社会消费品零售总额:实际同比:单位%

0.0157

 

 经济数据.季

 列名

 类型

 含义

 示例

 biz_season

 int

 季

 2003-03

 fixedinvestment_used

 double

 固定资产投资完成额实际累计同比:单位%

0.0157

 

 房地产数据.月

 列名

 

 中文名

 说明

 biz_month

 string

 月

 2000-02

 investment_real_estate_ratio

 double

 房地产开发投资完成额累计同比:单位%

 

 new_area_ratio

 double

 房屋新开工面积累计同比:单位%

 

 working_area_ratio

 double

 房屋施工面积累计同比:单位%

 

 finish_area_ratio

 double

 房屋竣工面积累计同比:单位%

 

 saled_area_ratio

 double

 商品房销售面积累计同比::单位%

 

 saled_amount_ratio

 double

 商品房销售额累计同比::单位%

 

 

 经济数据.月

 biz_month

 string

 月

 2000-02

 cpi

 double

 CPI当月同比:单位%

 

 cpi_food

 double

 食品CPI当月同比::单位%

 

 ppi

 double

 PPI当月同比:单位%

 

 ppirm

 double

 PPIRM当月同比:单位%

 

 energy_price_index

 double

 能源类大宗商品价格指数

 

 non-manufacturing_pmi

 double

 非制造业PMI销售价格指数

 

 m2_ratio

 double

 M2同比:单位%

 

 credit_ratio

 double

 国内信贷同比:单位%

 

 social finance_ratio

 double

 社会融资规模存量同比:单位%

 

 

 市场数据.日

 biz_date

 string

 日期

43825

 oil_dtd_spot

 double

 英国布伦特Dtd石油现货:单位(美元/桶)

 

 luowen_steel_future

 double

 螺纹钢加权主力合约平均价:单位(元/吨)

 

 gold_comex_future

 double

 COMEX黄金期货结算价活跃合约:单位(美元/盎司)

 

 csi 300_index

 double

 沪深300指数

 

赛题赛程和提交要求

本赛题分为四个赛程阶段:

报名训练阶段——线上提交阶段——线上评审阶段——线下答辩阶段

报名训练阶段

  1. 时间段:4月16日 —— 5月4日
  2. 对象:所有报名该赛题的选手
  3. 提供的资料: 赛题参考数据包
  4. 提交物:该阶段选手各自线下完成模型训练。此阶段平台接受提交测试,选手训练模型后可针对 2021 年 2 月 19 日到 3 月 19 日的收益率予以预测,提交该段预测结果获取评分。该段评分排行榜不计入成绩。

提交方式为在平台的提交处提交一个 ZIP 包(请参见「参赛提交」tab下「下载」板块提供的提交样例),包内包含:

  1. 预测收益数据,其存储为 CSV 格式,必须统一命名为prediction.csv
  2. 预测收益数据仅需包含交易日,非交易日请勿包含与内
  3. 其预测数据的内容格式参照赛题文案:「赛题数据」-「参考数据」-「数据内容示例」下的「各类型债权收益率」表格,或下载提交样例参考其中格式

线上提交阶段

  1. 时间段:5月5日 00:00 - 23:59
  2. 对象:所有报名该赛题的选手
  3. 提供的资料: 5 月 1 日将增补提供 2021 年 4 月的各类型债权收益率数据
  4. 提交物:请基于历史数据和各类参考数据,预测 2021 年 5 月 6 日-6 月 4 日期间交易日的收益数据
    1. 请在 5 月 10 日前向 bot@aiwin.org.cn 发送一封邮件,标题栏请按「AIWIN-赛题 4- ID」的格式,其中 ID 需对应平台提交预测结果的账号 ID(username),邮件请附上附件解题思路的PPT简报,内容包括但不限于建模方式、外部数据使用说明(附获取链接和获取方式)等
    2. 请在5 月 5 日当日,在平台的提交处提交一个 ZIP 包(请参见「参赛提交」tab下「下载」板块提供的提交样例),包内包含:
      1. 预测收益数据,其存储为 CSV 格式,必须统一命名为prediction.csv
      2. 预测收益数据仅需包含交易日,非交易日请勿包含与内
      3. 其预测数据的内容格式参照赛题文案:「赛题数据」-「参考数据」-「数据内容示例」下的「各类型债权收益率」表格,或下载提交样例参考其中格式

统一评审阶段

  1. 时间段: 6 月 4 日 - 6 月 6 日
  2. 对象:所有提交有效结果的参赛队伍
  3. 评审:集中统一针对所有合法有效提交,基于 5 月 6 日-6 月 4 日的真实收益数据,对提交的预测结果做评分。评分方式参见「评价方式」一节。

线下答辩阶段

  1. 时间段:6 月 7 日-6 月 11 日中某天
  2. 对象:公告排行的前 10 强队伍,以赛事公告为准
  3. 方式:线下答辩方式完成最终的决选,将综合统一评审阶段的排名和线下答辩表现评审得出最终排名。

评价方式

统一评审阶段

计算预测到期收益率与实际到期收益率的均方误差,以每日相对误差平均值作为评价标准,均方误差越小,模型预测效果越好。

相对误差

x0 为真实值,x1为预测值

预测日期权重:

5 月 6 日-5月 11 日 预测权重 50%

5 月 12 日-5月 19 日 预测权重 25%

5 月 20 日-6月 4 日 预测权重 25%

即T+1 到T+5预测准确率权重最大占50%。

线下答辩阶段

需要选手进行现场或线上的介绍和答辩,总评分从模型效果、模型设计及答辩表现三方面评判。下表供参考,最终评分组合标准以最终通知为准:

序号 评分项目 决赛评分标准 分值
1 模型效果 模型预测效果 占比50%
2 模型设计 从模型创新、特征工程和模型设计三个角度衡量参赛人员的建模能力 占比30%
3 答辩表现 现场路演表达,逻辑清晰等 占比20%

评价方式

统一评审阶段

计算预测到期收益率与实际到期收益率的均方误差,以每日相对误差平均值作为评价标准,均方误差越小,模型预测效果越好。

相对误差

x0 为真实值,x1为预测值

预测日期权重:

5 月 6 日-5月 11 日 预测权重 50%

5 月 12 日-5月 19 日 预测权重 25%

5 月 20 日-6月 4 日 预测权重 25%

即T+1 到T+5预测准确率权重最大占50%。

 

###########

#!/usr/bin/env python
# -*- coding: utf-8 -*
 
#这是一个简化的评分程序,仅保留必要的评审逻辑部分,用于解释赛题 4 债券定价预测的评分方式
 
# Dependencies
import pandas as pd
import numpy as np
 
#此方法实现评价方法中提及的权重分配策略
def calDateWeight(size):
 
    #简述:
    #权重分配策略将总的天数 SIZE 分为三段:[1-0.25SIZE],[0.25*SIZE+1-0.5*SIZE],[0.5*SIZE+1-SIZE]
    #具体到 5/6 - 6/4的预测周期,23 个交易日,则[1-5](前 5 个工作日未 50%),[6-10],[11-23]
    #第一段权重 50%,第二段权重 25%,第三段权重 25%
 
    idx_50 = size / 4
    idx_25 = size / 2
 
    weight_50 = 0.5 / idx_50
    weight_25 = 0.25 / (idx_25 - idx_50)
    weight_last_25 = 0.25 / (size - idx_25)
    #交易日25%配比 0.5 权重,25%[即25-50]配比 0.25 权重,50%配比0.25权重
    weight = [weight_50]*idx_50+[weight_25]*(idx_25 - idx_50)+[weight_last_25]*(size-idx_25)
 
    return weight
 
#此方法是评审主体
def evaluate(truth, prediction,weight):
    err = []
   #我们对每一个交易日予以计算其每个预测项的相对误差
    for i in range(0,len(truth)):
        #计算时使用了numpy 的矩阵计算能力,直接将单日的预测结果整体和单日的真值结果做计算
        #最终所要获得的是单日各项指标的相对误差的总体平均值
        a=prediction.loc[i,'treasury_bond_rate_1m':]
        b=truth.loc[i,'treasury_bond_rate_1m':]
        #计算出某一个 biz_Date 当天所有指标的相对误差的平均数
        err.append(np.mean(np.abs(a - b)/b))
 
    #最后再次采用矩阵计算获得结果
    #将 err 矩阵和 转置的 weight 矩阵 相乘得到最后结果
    score = np.dot(np.array(err),np.array(weight).T)
 
    return score
 
 
#评分程序采用 pandas 的 dataframe 来加载 csv 中的记录,此处读取系统真值
truth = read_truth("truth.csv")
 
#评分程序将在默认的 input 文件夹下读取系统解压的提交物 ZIP 包,并寻找 prediction.csv
#read_answer 将 读取 csv 并返还一个 pandas 的 dataframe
submission_answer = read_answer("prediction.csv")
 
#获取总的交易日
max_day = len(truth)
 
weight = calDateWeight(max_day)
score = evaluate(truth, submission_answer,weight)
 
#评分程序将输出评分结果
output_file = open('scores.txt', 'wb')
output_file.write("score:{:.5f}".format(score))
output_file.close()

########

 

线下答辩阶段

需要选手进行现场或线上的介绍和答辩,总评分从模型效果、模型设计及答辩表现三方面评判。下表供参考,最终评分组合标准以最终通知为准:

 序号

 评分项目

 决赛评分标准

 分值

1

 模型效果

 模型预测效果

 占比50%

2

 模型设计

 从模型创新、特征工程和模型设计三个角度衡量参赛人员的建模能力

 占比30%

3

 答辩表现

 现场路演表达,逻辑清晰等

 占比20%

赛事规则
 
  1. 参赛人群:大赛面向社会各界开放,不限年龄国籍,高校、科研院所、企业从业人员均可报名参赛。参与大赛组织工作有关单位员工及直系亲属可参赛但不可获奖;
  2. 账号体系:赛事平台的账号体系以个人为单位,注册平台需要提交个人的姓名、学校/单位、邮箱、手机等信息。上述信息仅用于赛事联络和运营。
  3. 赛事报名:赛题报名以单个账号为单位开展。选手根据自身情况,可选择:
  • 个人参赛:选手以个人身份注册账号直接参赛
  • 团队参赛:团队的每个成员均需在比赛平台注册,并通过系统在所参与的赛题上组建团队,并将各队员添加入团队作为成员。每个团队最多 5 人。 团队成员在加入团队后,各自可代表团队提交项目,且团队成员个人成绩(无论成团前后)将被统一视为团队成绩,团队成绩最终成绩取团队各成员所取得的最好成绩。同一团队仅可占 1 席晋级名额和奖项名额,如遇同一团队多名成员占有 1 席以上晋级范围的排名,则名额顺延至下一团队或个人。
  1. 团队变更:
  • 团队变更的允许时段:(1)团队任何成员代表团队完成第一次提交的时间 或 (2)赛事报名截止时间,以这两者中更早发生的时间点为团队变更的最后时机。一旦错过最后时机,团队不得再发生变更;比赛方仅认可团队变更前的团队设定。
  • 团队变更的类型:
    • 团队撤销/删除
  • 团队成员变更(增加、减少)
  1. 作品提交:作品提交规则按各赛道设定执行。作品提交由单个个人账号执行。参赛作品必须保证原创性,不违反任何中华人民共和国的有关法律,不侵犯任何第三方知识产权或者其他权利;一经发现或经权利人提出并查证,组委会将取消其比赛成绩并进行严肃处理;
  2. 排行规则:排行榜以个人账号为单位,依据所提交的结果评分予以排名。如个人账号从属于某团队,则排行榜在该个人账号旁会显示其团队名称。团队的排名以团队中各团队成员的最高排名为准。
  3. 排名验证:赛题出题方、大赛主办方、平台运营方有权利进一步要求参赛者提交代码、解题思路等并基于此检视判断排行分数的合理性,从而对排名进行修正。各赛事赛题的最终排名应以各赛题所发布的公告或通知为准,线上排行榜仅为参考。参赛选手需要配合组委会对比赛作品的有效性与真实性进行验证。
  4. 晋级规则:赛段晋级名额、方式由各赛题设定。若有参赛者主动弃赛,晋级名次顺延。晋级名额中以个人身份参赛的则个人选手个人晋级,如个人从属于某团队,则该团队整体晋级。
  5. 公平竞技:参赛者禁止在指定考核技术能力的范围外,利用规则漏洞或技术漏洞等不良途径提高成绩排名,禁止在比赛中抄袭他人作品、交换答案、使用多个小号,经发现将取消比赛成绩并严肃处理。
  6. 组织声明:组委会保留对比赛规则进行调整修改的权利、比赛作弊行为的判定权利和处置权利、收回或拒绝授予影响组织及公平性的参赛团队奖项的权利。
  7. 竞赛数据:组委会参赛人员使用提供的数据进行指定赛道的模型训练工作,参赛人员不得将数据用于任何商业用途。若做科研使用,请注明数据来源于相关赛题的出题方;参赛人员不得对外以任何形式转载、发布赛题的训练集、验证集的全部或任意部分。
  8. 知识产权:参赛作品(包含但不限于结果文件、算法、模型、方案等)的相关权利由出题单位、参赛者、官方竞赛平台三方共享。
  9. 奖励分配:竞赛平台、赛题主办方等均不对物质奖励的分配方式予以负责,物质奖励将颁发给个人参赛者或团队指定的个人。证书等将根据个人参赛和团队参赛予以区分,授予个人或团队(列明个人姓名)
 

一、结果提交(在线评分)

1. 最终提交物请打包为 ZIP 包,命名建议为 "T4-ID 名称"
2. ZIP 包所需文件:
- 预测结果文件 CSV
3. CSV 文件命名规范:
- 必须为 prediction.csv,如命名错误导致无法评分选手自行负责。
4. CSV 文件内容规范:
- 必须包含表头(如因未包含表头导致评分失败,选手自行负责)
- 表头请参考「参考数据集」-「预测目标.训练集」的表头字段
- 请注意预测结果时请仅输出交易日结果,非交易日请勿纳入
- 目标时间段是 5 月 6 日——6 月 4 日,共计 23 个交易日(工作日)

 

二、解题思路

请在 5 月 10 日前向 bot@aiwin.org.cn 发送一封邮件,标题栏请按「AIWIN-赛题 4- ID」的格式,其中 ID 需对应平台提交预测结果的账号 ID(username),邮件请附上附件解题思路的PPT简报,内容包括但不限于建模方式、外部数据使用说明(附获取链接和获取方式)等

推荐使用本次大赛官方算力支持单位UCloud(优刻得)提供的云资源。

UCloud优刻得(股票简称:优刻得,股票代码:688158)是中国第一家公有云科创板上市公司,公司自主研发IaaS、PaaS、大数据流通平台、AI服务平台等一系列云计算产品,提供公有云、混合云、私有云、专有云在内的综合性行业解决方案。

资源优惠:

  1. 每个参赛团队免费提供200元资源测试金。
  2. GPU云主机、文件存储、对象存储、云主机产品1万元以内享官网原价7折优惠。

以V100S(北京二B可用区)为例,7折优惠价:8.5元/小时。

PS:本优惠为大赛专项优惠,如使用云资源总额超过1万元,可向客户经理申请单独优惠。

优惠报名请通过此链接注册,UCloud工作人员会为您提供测试及服务支持。

# 0426 - 公布评价方式脚本(注释精简版)

在国泰君安出题方的同意下,我们分享具体的评价方式脚本(注释精简版),请大家参考查看《评价方式》栏目下的新增的内容

 

# 0416-赛事启动

此处为本赛题公告区域,赛事重要通知、各阶段最终排行公示将统一公告于此,并同步邮件公告给各位选手

  1. 赛事奖金:12万(人民币)赛事奖金池,具体分配如下:         

奖项

数量

奖金(含税)

合计

1

1

60000

60000

2

1

20000

20000

3

1

10000

10000

4

1

6000

6000

5

1

6000

6000

6

1

6000

6000

7

1

3000

3000

8

1

3000

3000

9

1

3000

3000

10

1

3000

3000

合计

120000

2.荣誉证书:赛事将颁发盖有「世界人工智能创新大赛组委会」印章的荣誉证书;

3.2021年暑期AI菁英实训营项目与AIWIN大赛联动,面向大赛优秀参赛选手开放人工智能技术应用场景企业的实训岗位。

开放场景企业与实训方向(现阶段)如下列表,每家企业预计开放5-10个实训岗位。更多企业场景与岗位,将会陆续开放。

企业

实训场景方向

工商银行

金融行业中图像识别方向

国泰君安

金融行业中的自然语言处理方向

海通证券

金融行业NLP方向

中国太保

保险业务场景中图像识别方向

万达信息

OCR技术在医疗领域应用

卫宁健康

人工智能技术与医疗结合

药明生物

人工智能技术在医疗医药场景应用

SMT

人工智能技术与运动技术分析方向

银联智策

人工智能技术结合金融行业

 奖励机制

大赛排名前20%的参赛队伍的选手,凡符合实训营入营条件的,将获得“实训奖学金1200元”,用于实训营项目。

大赛排名前20%-30%的参赛队伍的选手,凡符合实训营入营条件的,将获得“实训奖学金600元”,用于实训营项目。

凡参与AIWIN大赛并提交比赛结果的参赛选手,符合实训营入营条件的,可获得优先进入所选择实训企业岗位的机会。

 

报名训练阶段

Start: 四月 16, 2021, 4 p.m.

概述: 此阶段公开接受报名,并在线提供「提交行为测试」,可测试对2021的2月19 日-3月19日结果预测的提交。

线上提交阶段

Start: 五月 5, 2021, 午夜

概述: 5 月 1 日将增补提供 2021 年 4 月的各类型债权收益率数据,5 月 5 日当天 24 小时内须提交 5 月 6 日-6 月 4 日时间段的预测结果,此阶段评分输出非结果评分仅检验输入文件的文件名及文件格式

等待评审阶段

Start: 五月 6, 2021, 午夜

概述: 5 月 6 日——6 月 4 日期间本比赛无须操作,等待 6 月 5 日得到真实市场数据后启动统一评审

线上排名与答辩阶段

Start: 六月 6, 2021, 5 p.m.

概述: 线上排名,并公告排行的前 10 强队伍,以赛事公告为准邀约参与线下答辩

比赛结束

七月 9, 2021, 8 a.m.

请登陆来参加比赛

登入