“智量未来”高校AI量化投资挑战赛
比赛时间： -
智慧赋能，量化未来
主办方：GIFP
比赛介绍
## 赛事介绍
**“智量未来”高校 AI 量化投资挑战赛**由全球金融专业人士协会（GIFP 中国）主办，以“智慧赋能，量化未来”为主题，面向全国高校学生开展。大赛旨在响应金融科技发展趋势，发掘和培养兼具金融理论、数据分析、编程实践与人工智能应用能力的复合型量化金融人才。
本次比赛以真实的 A 股分钟级市场数据为基础。参赛者需要从 1 分钟 K 线及盘口数据中提取价格、成交、流动性、订单簿供需和市场微观结构信息，构建能够预测股票未来收益的量化因子。比赛采用“高频数据、低频因子”的研究方式：平台提供 1 分钟数据，参赛者生成 15 分钟频率的预测因子并提交代码，由平台统一运行和评估。
比赛设置公榜和私榜两个评估阶段。公榜用于研究反馈和因子迭代；私榜使用未参与公开评分的数据，对候选因子的样本外稳定性进行检验。排名靠前的 10 支队伍将晋级线下决赛，通过研究报告、现场展示和评委问答，完整呈现因子的研究逻辑、构建方法、实证结果和风险分析。
## 组织机构
- **主办单位**：全球金融专业人士协会（GIFP 中国）
- **学术支持**：对外经济贸易大学数智金融研究中心、对外经济贸易大学统计学院等相关院系
- **平台支持**：BigQuant
- **大赛组委会**：由 GIFP 中国区负责人、合作高校教授及业界量化专家共同组成
## 参赛对象
- 全国高等院校专科、本科、硕士、博士在校学生，专业不限。
- 可个人参赛，也可自由组队；每支队伍不超过 3 人。
- 每位选手原则上只能加入一支队伍。团队信息一经确认，变更须经组委会审核。
- 指导教师可提供学术指导，但不得代替参赛者编写、调试或提交比赛代码。
## 参赛流程
### 1. 报名与资格答题
- **报名时间**：2026 年 10 月 10 日至 2026 年 10 月 20 日。
- **组队截止时间**：2026 年 10 月 26 日 23:59。
- 团队每位成员均须通过大赛官方微信小程序完成报名。
- 参赛者可反复参加线上资格答题，成绩达到 90 分即视为报名成功。
- 答题内容包括量化金融基础、证券市场规则、Python、统计学常识及 AI 在金融中的应用等。
### 2. 初赛：因子研究与提交
- **公榜时间**：2026 年 10 月 20 日至 2026 年 11 月 20 日。
- **私榜时间**：2026 年 11 月 21 日至 2026 年 11 月 27 日。
- **提交截止日期**：2026 年 11 月 20 日。
- **私榜候选选择截止时间**：2026 年 11 月 21 日 23:59:59。
- 参赛者在 BigQuant 比赛空间内使用指定数据开发因子，并按要求提交可复现的因子构建代码。
- 平台在公榜数据上统一运行代码、计算分数并更新排行榜；团队排名取本队有效提交中的最高分。
- 待已提交任务评分完成后，各队可选择并确认不超过 2 个有效提交作为私榜候选因子。
- 私榜候选确认后即被冻结，不得修改代码、参数、依赖或随机种子。平台将在私榜数据上重跑候选因子，并以团队私榜最高有效提交分数确定最终排名。
- 私榜排名前 10 的队伍晋级决赛。具体名单以组委会审核和正式公告为准。
### 3. 决赛准备
- 入围队伍须提交 10—15 页的因子研究报告（PDF）及组委会要求的代码复现、依赖和数据使用说明。
- 研究报告建议包括摘要、研究背景与文献综述、因子构建、实证分析、稳健性检验、创新性与局限性、结论等内容。
### 4. 线下决赛与颁奖
- **时间**：2026年11月28日或29日。
- **地点**：拟在北京合作高校线下举办。
- **形式**：每支队伍进行 10 分钟展示及 5 分钟评委问答，并同步进行线上直播（如有）。
## 赛题任务
### 数据范围
- **股票池**：沪深 300 指数历史成分股，以各历史时点实际成分为准，避免使用未来成分股信息。
- **历史数据区间**：2021 年 1 月 1 日至 2025 年 12 月 31 日。
- **数据频率**：1 分钟 K 线数据，包含盘口信息。
- **主要内容**：开盘价、最高价、最低价、收盘价、成交量、成交额、成交笔数，以及十档买卖价格、委托量和委托笔数等字段。
### 因子任务
参赛者应基于平台指定数据构建 **15 分钟频率因子**，预测股票未来短周期收益。因子须具有清晰、合理的金融逻辑或市场微观结构解释，并满足以下要求：
- 仅能使用因子计算时点及此前已经可获得的信息，不得使用未来数据。
- 因子输出须覆盖平台规定的评估时间和股票范围。
- 因子值越大默认表示对未来收益的预测越高；如原始逻辑方向相反，参赛者应自行调整方向。
- 比赛提交内容为可运行代码，而不是预先计算好的离线因子文件。
## 提交格式
平台将调用参赛者代码生成因子结果。输出必须且仅包含以下三列：
| 字段 | 类型 | 说明 |
|---|---|---|
| `date` | datetime | 15 分钟因子计算时点，精确到分钟 |
| `instrument` | string | 股票代码 |
| `factor` | numeric | 因子值，默认数值越大表示预测收益越高 |
示例：
| date | instrument | factor |
|---|---|---:|
| 2024-01-02 10:00:00 | 000001.SZ | 0.0521 |
| 2024-01-02 10:00:00 | 000002.SZ | -0.1184 |
平台将提供以下参考模板：
| 模板 | 说明 |
|---|---|
| `demo_sql.ipynb` | 使用 DAI SQL 直接计算因子，速度快、内存占用较低 |
| `demo_udf.ipynb` | 使用 UDF 封装自定义 Python 计算逻辑并在 DAI 中执行 |
| `demo_py.ipynb` | 使用 Python/Pandas 等工具计算因子，需注意内存和运行效率 |
## 初赛评估
### 数据校验
提交结果须通过以下校验，否则视为无效：
- 输出必须且仅包含 `date`、`instrument`、`factor` 三列。
- `date` 必须是平台规定的合法 15 分钟采样时点。
- 不得缺失评估区间内平台要求的交易日和采样时点。
- 每个评估截面的因子缺失率不得高于 40%。
- 不得包含重复的 `date`、`instrument` 组合、不可解析的数值或未来信息。
### 平台预处理
通过校验后，平台将按照统一口径对因子进行必要的去极值、标准化处理，并将原始因子对 BARRA 风险因子及平台本地因子库进行回归，使用残差因子评估新增预测能力。
### 评分公式
平台计算 IC 均值、IR 均值、多空组合夏普比率、换手率和最大回撤，并将各项指标转换为全体有效提交中的实时百分位排名：
$$
Score = 0.4 \times Rank_{IC\ Mean}
+ 0.2 \times Rank_{ICIR}
+ 0.2 \times Rank_{SR}
+ 0.1 \times Rank_{Turnover}
+ 0.1 \times Rank_{Maximum\ Drawdown}
$$
其中，`Rank` 越大表示该项表现越优；换手率和最大回撤按照数值越低、排名越高的方向计算。团队公榜和私榜成绩均取本队有效因子中的最高得分，但私榜候选总数不得超过 2 个。初赛晋级以最终私榜结果及合规复核为准。
## 决赛评估
| 评审维度 | 权重 | 评审重点 |
|---|---:|---|
| 因子质量与创新性 | 40% | 逻辑性与原创性 20%；有效性与稳健性 20% |
| 研究深度与规范性 | 30% | 研究报告质量 20%；代码质量与可复现性 10% |
| 现场表现 | 30% | 陈述表达 15%；问答互动 15% |
## 赛事支持与参赛收益
- 免费线上课程：Python 量化入门、量化平台使用、经典策略复现、机器学习因子挖掘等。
- 技术工作坊：平台功能、API、数据结构、AI 量化研究及因子分析框架。
- 线上答疑：比赛期间安排技术与研究问题答疑。
- 职业发展：优秀选手有机会进入 GIFP 及合作企业量化金融人才库，获得实习内推或面试机会。
- 证书支持：冠、亚、季军队伍成员可按赛事公告获得 AQF 证书考试费支持。
## 奖项设置
以下奖项为赛事方案拟定内容，最终以组委会正式公告为准：
| 奖项 | 数量 | 奖励 |
|:---:|:---:|:---|
| 冠军 | 1 队 | 人民币 5,000 元、奖杯/证书、AQF 证书考试费全额补贴、合作企业实习直通机会 |
| 亚军 | 1 队 | 人民币 3,000 元、奖杯/证书、AQF 证书考试费全额补贴、合作企业面试机会 |
| 季军 | 1 队 | 人民币 1,000 元、奖杯/证书、AQF 证书考试费全额补贴 |
| 优胜奖 | 其他决赛入围队伍 | 人民币 500 元/队、获奖证书、AQF 证书考试费优惠 |
| 成功参赛奖 | 完整提交有效因子的选手 | 参赛证明、赛事课程学习权益及 AQF 考试报名优惠 |
## 重要说明
- 大赛时间、决赛地点、晋级名额、奖项和证书权益如有调整，以组委会正式通知为准。
- 所有研究、回测和排名结果仅用于比赛与学术交流，不构成任何投资建议或收益承诺。
- 参赛即表示同意遵守赛事规则、平台规则、数据授权约定及组委会发布的补充通知。
奖金&奖项
比赛数据
## 数据概览
比赛数据覆盖沪深 300（`000300.SH`）历史成分股，时间范围为 **2021 年 1 月 1 日至 2025 年 12 月 31 日**。
参赛者只能使用赛事平台明确开放并授权的数据源。各表的实际可见范围以比赛空间的数据权限为准，未授权的评估标签不得读取、推断或用于因子计算。
## 数据表
| 数据表 | 频率 | 说明 |
|---|---|---|
| `cpt_gifp_2026_stock_bar1m` | 1 分钟 | 沪深 300 历史成分股的 K 线、区间成交统计及十档盘口 |
| `cpt_gifp_2026_instruments` | 15 分钟 | 每个合法因子时点的沪深 300 历史成分股截面 |
| `cpt_gifp_2026_exposure` | 日频 | 沪深 300 历史成分股的 BARRA 风格与行业暴露 |
| `cpt_gifp_2026_return` | 15 分钟 | 下一交易日同一分钟的复权收益标签，主要用于平台评估 |
数据表链接：
* cpt_gifp_2026_stock_bar1m：https://gifp.bigquant.com/data/datasources/cpt_gifp_2026_stock_bar1m
* cpt_gifp_2026_instruments：https://gifp.bigquant.com/data/datasources/cpt_gifp_2026_instruments
* cpt_gifp_2026_exposure：https://gifp.bigquant.com/data/datasources/cpt_gifp_2026_exposure
* cpt_gifp_2026_return：https://gifp.bigquant.com/data/datasources/cpt_gifp_2026_return
合法的 15 分钟采样时点共 16 个：
```text
09:45、10:00、10:15、10:30、10:45、11:00、11:15、11:30
13:15、13:30、13:45、14:00、14:15、14:30、14:45、15:00
```
09:30 和 13:00 不纳入采样，因为此时尚未形成对应连续竞价时段内的首个完整 15 分钟信息窗口。
## 1 分钟行情表
### `cpt_gifp_2026_stock_bar1m`
每个交易日只保留当日有效的沪深 300 成分股，主键为 `date` 和 `instrument`。
#### 基础字段
| 字段名 | 类型 | 描述 |
|---|---|---|
| `date` | datetime | 1 分钟 Bar 结束时刻 |
| `instrument` | string | 股票代码，如 `000001.SZ`、`600000.SH` |
| `instrument_id` | int16 | 股票代码的整数 ID |
| `adjust_factor` | float32 | 当日累计后复权因子 |
| `pre_close` | float32 | 前一交易日收盘价 |
| `open` | float32 | 该分钟第一笔有效成交价 |
| `high` | float32 | 该分钟最高有效成交价 |
| `low` | float32 | 该分钟最低有效成交价 |
| `close` | float32 | 该分钟最后一笔有效成交价 |
| `deal_number` | int64 | 该分钟成交笔数 |
| `volume` | int64 | 该分钟成交量 |
| `amount` | float64 | 该分钟成交额 |
成交笔数、成交量和成交额由日内累计值的相邻快照差分后按分钟汇总。盘口字段取该分钟最后一条快照。
#### 十档盘口字段
下表中的 `N` 取 1—5，第 1 档为最优报价。
| 字段模式 | 类型 | 描述 |
|---|---|---|
| `ask_priceN` | float32 | 卖 N 档委托价格 |
| `bid_priceN` | float32 | 买 N 档委托价格 |
| `ask_volumeN` | int64 | 卖 N 档委托量 |
| `bid_volumeN` | int64 | 买 N 档委托量 |
| `ask_num_ordersN` | int32 | 卖 N 档委托笔数 |
| `bid_num_ordersN` | int32 | 买 N 档委托笔数 |
例如，`ask_price1` 表示卖一价，`bid_volume5` 表示买五档委托量，`ask_num_orders10` 表示卖十档委托笔数。
#### 分钟时间戳口径
- 连续竞价快照按左闭右开区间映射：`[HH:MM:00, HH:MM+1:00)` 标记为下一分钟的 Bar 结束时刻。
- 09:15—09:25 的集合竞价快照按分钟保留，09:25:00 的撮合快照归入 09:25 Bar。
- 上午和下午最后一分钟允许接纳收盘时点后一分钟内到达的快照。
- 15:00 Bar 接纳 `[14:59:00, 15:01:00)` 内的快照，并使用最后一笔有效成交价作为收盘价；15:01:00 及之后的数据不会进入当日收盘 Bar。
盘口价格或数量为 0，可能表示对应档位不存在，不应无条件用前值、均值或未来值填充。
## 15 分钟股票池表
### `cpt_gifp_2026_instruments`
该表将每个交易日实际有效的沪深 300 成分股展开到上述 16 个采样时点，用于确定每个因子截面的合法股票池。主键为 `date` 和 `instrument`。
| 字段名 | 类型 | 描述 |
|---|---|---|
| `date` | datetime | 15 分钟因子计算时点 |
| `instrument` | string | 股票代码 |
| `name` | string | 证券简称 |
参赛因子应与该表按 `date`、`instrument` 对齐，不得使用当前成分股名单回填历史股票池。
## 风险暴露表
### `cpt_gifp_2026_exposure`
该表提供沪深 300 当日成分股的日频 BARRA 风格因子、一级行业和评估辅助字段，主键为 `date` 和 `instrument`。日频暴露与分钟因子连接时，应遵守信息实际可得时间，避免把盘后或未来数据用于当日盘中因子。
#### 标识及辅助字段
| 字段名 | 类型 | 描述 |
|---|---|---|
| `date` | datetime | 交易日 |
| `instrument` | string | 股票代码 |
| `industry_level1_code` | string | 一级行业代码 |
| `float_market_cap` | float64 | 流通市值 |
| `weights` | float64 | 截面归一化市值权重 |
| `ret` | float64 | 当期收益率 |
#### 风格因子字段
| 字段名 | 描述 |
|---|---|
| `SIZE` | 市值 |
| `BETA` | 贝塔 |
| `MOMENTUM` | 传统动量 |
| `RESVOL` | 残差波动率 |
| `SIZENL` | 非线性市值 |
| `BTOP` | 账面市值比 |
| `LIQUIDTY` | 流动性 |
| `EARNYILD` | 盈利能力 |
| `GROWTH` | 成长 |
| `LEVERAGE` | 杠杆 |
以上风格因子字段类型均为 `float64`。字段名 `LIQUIDTY`、`EARNYILD` 采用数据表中的实际拼写。
#### 行业哑变量字段
行业字段类型均为 `int8`，取值用于标识股票所属一级行业。
| 字段名 | 行业 | 字段名 | 行业 |
|---|---|---|---|
| `AGRIFOREST` | 农林牧渔 | `MINING` | 采掘 |
| `CHEM` | 化工 | `IRONSTEEL` | 钢铁 |
| `NONFERMETAL` | 有色金属 | `ELECTRONICS` | 电子 |
| `AUTO` | 汽车 | `HOUSEAPP` | 家用电气 |
| `FOODBEVER` | 食品饮料 | `TEXTILE` | 纺织服饰 |
| `LIGHTINDUS` | 轻工制造 | `HEALTH` | 医药生物 |
| `UTILITIES` | 公用事业 | `TRANSPORTATION` | 交通运输 |
| `REALESTATE` | 房地产 | `COMMETRADE` | 商业贸易 |
| `LEISERVICE` | 休闲服务 | `BANK` | 银行 |
| `NONBANKFINAN` | 非银金融 | `CONGLOMERATES` | 综合 |
| `CONMAT` | 建筑材料 | `BUILDDECO` | 建筑装饰 |
| `ELECEQP` | 电气设备 | `MACHIEQUIP` | 机械设备 |
| `AERODEF` | 国防军工 | `COMPUTER` | 计算机 |
| `MEDIA` | 传媒 | `TELECOM` | 通信 |
| `COAL` | 煤炭 | `PETRO` | 石油石化 |
| `ENVP` | 环保 | `BEAUTY` | 美容护理 |
## 收益标签表
### `cpt_gifp_2026_return`
该表记录 16 个采样时点上，股票从当日该时点到下一实际交易日同一时点的复权收益。下一交易日按全市场实际交易日确定，会自然跨过周末和节假日；不会按自然日简单加一天，也不会因为单只股票停牌而跨越到其下一条可用记录。
| 字段名 | 类型 | 描述 |
|---|---|---|
| `date` | datetime | 收益起点，即当日 15 分钟采样时点 |
| `instrument` | string | 股票代码 |
| `return_rate` | float32 | 下一交易日同分钟复权收益率 |
| `close` | float32 | 起点分钟收盘价 |
| `adjust_factor` | float32 | 起点日累计后复权因子 |
| `future_date` | datetime | 下一交易日同一采样时点 |
| `future_close` | float32 | 终点分钟收盘价 |
| `future_adjust_factor` | float32 | 终点日累计后复权因子 |
预测区间为：
```text
(t 日采样时点, t+1 交易日同一时点]
```
收益公式为：
```text
return_rate =
future_close * future_adjust_factor
/ (close * adjust_factor)
- 1
```
累计后复权因子用于修正现金分红、送转和拆并股造成的机械价格跳变。若股票在起点或下一交易日终点没有对应分钟 Bar，或任一价格、复权因子缺失或无效，则不生成该条标签；不会使用附近分钟价格填充。
## 数据读取示例
建议只读取实际需要的字段和日期范围，并使用 `compression=True` 降低股票代码列的内存占用。
```python
import dai
bars = dai.query(
"""
SELECT
date,
instrument,
open,
high,
low,
close,
volume,
amount,
ask_price1,
bid_price1,
ask_volume1,
bid_volume1
FROM cpt_gifp_2026_stock_bar1m
ORDER BY date, instrument
""",
filters={
"date": ["2024-01-02 00:00:00", "2024-02-01 23:59:59"]
},
compression=True,
).df()
```
读取合法因子截面：
```python
sections = dai.query(
"""
SELECT date, instrument, name
FROM cpt_gifp_2026_instruments
ORDER BY date, instrument
""",
filters={
"date": ["2024-01-02 00:00:00", "2024-01-05 23:59:59"]
},
compression=True,
).df()
```
## 因子计算示例
以下示例用前三档盘口不平衡度构建演示因子，并只保留合法的 15 分钟截面。示例仅用于说明读取、聚合和输出格式，不代表有效投资策略。
```python
import dai
factor = dai.query(
"""
WITH base AS (
SELECT
date,
instrument,
(
bid_volume1 + bid_volume2 + bid_volume3
- ask_volume1 - ask_volume2 - ask_volume3
) / NULLIF(
bid_volume1 + bid_volume2 + bid_volume3
+ ask_volume1 + ask_volume2 + ask_volume3,
0
) AS order_imbalance
FROM cpt_gifp_2026_stock_bar1m
),
aggregated AS (
SELECT
time_bucket(
INTERVAL '15 minutes',
date - INTERVAL '1 microsecond'
) + INTERVAL '15 minutes' AS date,
instrument,
AVG(order_imbalance) AS factor
FROM base
GROUP BY 1, 2
)
SELECT a.date, a.instrument, a.factor
FROM aggregated a
INNER JOIN cpt_gifp_2026_instruments i
ON a.date = i.date
AND a.instrument = i.instrument
ORDER BY a.date, a.instrument
""",
filters={
"date": ["2024-01-02 00:00:00", "2024-02-01 23:59:59"]
},
compression=True,
).df()
```
最终返回值必须且仅包含以下三列：
| date | instrument | factor |
|---|---|---:|
| 2024-01-02 10:00:00 | 000001.SZ | 0.0521 |
| 2024-01-02 10:00:00 | 000002.SZ | -0.1184 |
## 时间对齐与数据质量
- `date` 表示信息可用时点，而不是预测区间结束时点；时点 `t` 的因子只能使用 `t` 及以前已经产生且实际可获得的数据。
- 不得使用 `shift(-1)`、居中窗口、未来区间聚合、全样本归一化或其他会引入未来信息的处理。
- 股票池必须按历史时点匹配，不得使用当前沪深 300 成分股回填完整历史区间。
- 新股、停牌、涨跌停及低流动性股票可能缺少 Bar，盘口也可能不完整；缺失值与异常值处理必须统一、可解释、可复现。
- 不得为满足覆盖率要求而伪造因子值，也不得使用未来截面或未来时间的信息填充。
- 每个评估截面的因子缺失率不得高于 40%。
## 性能建议
- 优先在 SQL 中筛选日期和字段，避免一次加载两年的全量分钟数据。
- 可按月或按交易日分批计算，但应为滚动窗口预留足够的前置数据，保证分区边界结果连续一致。
- 对相同中间结果合理复用，避免重复扫描分钟表。
- 使用 Pandas、Polars 或其他计算库时，应关注排序、数据类型和内存峰值。
- 先用少量日期验证字段、时间对齐、股票池覆盖和无未来函数，再扩展到完整区间。
## DAI 参考
DAI 是 BigQuant 提供的数据与计算引擎，支持 SQL、时序与截面算子、UDF，以及 Pandas、Polars、Arrow 等数据格式。实际使用时以比赛空间内的数据权限、数据字典、模板 Notebook 和赛事公告为准。
DAI 使用文档链接：https://gifp.bigquant.com/wiki/doc/PLSbc1SbZX?space_id=65296e4f-e6e2-4ff1-8c5d-be1e36f80995
比赛规则
## 一、适用范围
本规则适用于参加“智量未来”全国高校 AI 量化投资挑战赛的所有个人和团队。参赛者使用赛事报名系统、BigQuant 比赛空间、比赛数据、计算资源、排行榜及相关服务，即表示已阅读、理解并同意遵守本规则、平台服务协议、数据授权约定及组委会后续发布的正式通知。
比赛研究结果仅用于竞赛、教学和学术交流，不构成任何形式的投资建议、收益承诺或交易依据。
## 二、参赛资格与组队
- 参赛者须为全国高等院校专科、本科、硕士或博士在校学生，专业不限。
- 可个人参赛，也可组队参赛；每支队伍不超过 3 人。
- 团队所有成员均须完成实名报名，并在资格答题中取得不低于 90 分的成绩。
- 每位参赛者原则上只能加入一支队伍，不得以多个账号、不同身份或代报名方式重复参赛。
- 报名信息应真实、准确、完整。组委会有权核验学籍、身份和团队关系。
- 指导教师可提供学术指导，但不得代替选手完成代码、报告、提交或答辩。
## 三、比赛时间
- **报名阶段**：2026 年 10 月 10 日至 2026 年 11 月 30 日。
- **初赛阶段**：2026 年 12 月 5 日至 2026 年 12 月 22 日。
- **初赛提交截止**：2026 年 12 月 22 日 00:00:00。
- **决赛准备阶段**：2026 年 12 月 22 日至决赛前。
- **线下决赛与颁奖**：2026 年 12 月底或 2027 年 1 月初，具体日期、地点以组委会通知为准。
如因市场休市、平台维护、不可抗力或其他客观原因调整赛程，组委会将通过正式渠道通知。
## 四、数据使用规则
### 4.1 允许使用的数据
- 因子只能使用比赛空间明确开放和授权的数据源构建。
- 本届比赛核心数据为沪深 300 历史成分股的 **1 分钟 K 线数据（带盘口）**，历史区间为 2024 年 1 月 1 日至 2025 年 12 月 31 日。
- 数据包含分钟级开高低收、成交量、成交额、成交笔数，以及十档买卖价格、委托量和委托笔数等字段。
- 辅助数据是否可用，以平台正式数据字典和组委会公告为准。
### 4.2 禁止行为
- 不得使用未经组委会书面或平台公告授权的外部行情、财务、新闻、舆情、另类数据、预训练数据或离线因子库。
- 不得通过上传文件、外部接口、网络请求、隐蔽通信、缓存结果等方式引入未经授权的数据或服务。
- 不得下载、复制、传播、转售、公开披露比赛受限数据，或将其用于本赛事之外的目的。
- 不得读取、探测或推断其他队伍的代码、数据、参数、日志和非公开结果。
- 不得利用数据缺陷、平台漏洞或评估接口反推私榜标签。
### 4.3 禁止未来函数
- 时点 `t` 的因子只能使用 `t` 时刻及此前已经可获得的信息。
- 不得使用未来 K 线、未来盘口、未来收益、未来停复牌状态、未来指数成分或事后修订信息。
- 不得使用全样本统计量对历史数据进行回看式标准化、填充或参数选择。
- 使用滚动窗口、复权因子、股票池和其他时变信息时，应按真实可获得时间对齐。
## 五、代码与提交规范
### 5.1 提交内容
- 比赛提交内容为可执行的因子构建代码，不接受预先计算完成的离线因子文件替代真实计算。
- 代码须在指定 BigQuant Notebook 环境中可独立运行并复现结果。
- 参赛者应固定必要的参数、依赖版本和随机种子。
- 关键的数据清洗、时间对齐、特征计算和结果后处理步骤应清晰、可审计。
### 5.2 输出格式
因子输出必须且仅包含以下三列：
| 字段 | 要求 |
|---|---|
| `date` | 合法的 15 分钟因子采样时点，精确到分钟 |
| `instrument` | 平台认可的股票代码 |
| `factor` | 可解析的有限数值，默认越大表示预测收益越高 |
提交还须满足：
- 不得缺失评估区间内平台要求的交易日和采样时点。
- 每个评估截面的因子缺失率不得高于 40%。
- `date` 与 `instrument` 的组合不得重复。
- 不得含有无穷值、无法解析的字符串、异常时间戳或未来时间数据。
- 因子方向由参赛者自行确认，平台默认因子值越大越好。
### 5.3 运行安全
- 不得包含恶意代码、后门、木马、挖矿程序、未授权访问或数据外传逻辑。
- 不得绕过平台沙箱、网络隔离、权限控制、运行时限和资源配额。
- 不得通过恶意请求、异常并发、重复任务等方式影响平台或其他参赛者。
- 不得硬编码评估结果、伪造输出、篡改日志或用缓存的私榜结果替代计算。
## 六、公榜与私榜
- 公榜用于参赛者开发、验证和迭代因子。平台对有效提交统一运行、评分并更新排行榜。
- 团队公榜成绩取本队全部有效提交中的最高得分，提交数量本身不直接加分。
- 在初赛截止前，每支队伍可选择或替换不超过 5 个有效提交作为私榜候选因子。
- 2026 年 12 月 22 日 00:00:00 后，候选因子的代码、参数、依赖和随机种子被冻结，不得修改。
- 平台使用私榜数据重跑候选因子并计算得分。团队私榜成绩取候选因子中的最高有效得分。
- 初赛最终排名以私榜结果为主要依据，并须通过代码复现、数据合规和未来函数检查。
- 排名前 10 的队伍原则上晋级决赛；若队伍未通过资格或合规审核，组委会可取消其成绩并依次递补。
## 七、评分规则
### 7.1 平台预处理
有效因子将按照平台统一口径进行必要的去极值和标准化处理，并对 BARRA 风险因子及平台本地因子库进行回归，以残差因子衡量新增预测能力。具体处理参数以平台实际评估程序为准，对所有参赛者保持一致。
### 7.2 初赛指标
系统计算以下五项指标，并转换为所有有效提交中的百分位排名：
| 指标 | 权重 | 排名方向 |
|---|---:|---|
| IC 均值 | 40% | 越高越好 |
| IR 均值 | 20% | 越高越好 |
| 多空组合夏普比率 | 20% | 越高越好 |
| 换手率 | 10% | 越低越好 |
| 最大回撤 | 10% | 越低越好 |
最终得分为：
$$
Score = 0.4 \times Rank_{IC\ Mean}
+ 0.2 \times Rank_{IR\ Mean}
+ 0.2 \times Rank_{SR}
+ 0.1 \times Rank_{Turnover}
+ 0.1 \times Rank_{Maximum\ Drawdown}
$$
其中，`Rank` 为实时百分位排名，取值越大表示表现越优。排行榜分数可能随着有效提交数量变化而变化。
### 7.3 决赛评分
| 维度 | 权重 | 内容 |
|---|---:|---|
| 因子质量与创新性 | 40% | 逻辑性与原创性 20%；有效性与稳健性 20% |
| 研究深度与规范性 | 30% | 研究报告质量 20%；代码质量与可复现性 10% |
| 现场表现 | 30% | 陈述表达 15%；问答互动 15% |
决赛采用“10 分钟展示 + 5 分钟问答”的形式。决赛材料须与冻结提交一致，不得以重新训练、修改参数或替换因子的方式改变初赛成果。
## 八、研究报告与复现
- 入围队伍须按时提交 10—15 页 PDF 因子研究报告及组委会要求的补充材料。
- 报告应真实说明研究背景、因子逻辑、数据处理、计算公式、实证结果、稳健性检验、创新点和局限性。
- 引用公开论文、代码和开源工具时，应注明来源并遵守相应许可。
- 使用机器学习、深度学习或生成式 AI 工具时，应说明其用途、关键流程和人工复核方式；参赛者仍对最终成果承担全部责任。
- 排名靠前或入围队伍须配合自动复现、人工代码审查、运行日志核验、依赖检查、未来函数检查和数据来源核查。
- 无法在指定环境和资源限制内复现的提交，可被判定为无效。
## 九、学术诚信与知识产权
- 参赛成果应由团队成员独立完成。严禁抄袭、盗用、购买、代写或未经授权改编他人代码、因子、模型和报告。
- 团队内部可共享研究成果，但不得与其他队伍串通提交相同或实质相同的因子以操纵排名。
- 参赛者应确保提交内容不侵犯第三方著作权、专利权、商标权、商业秘密、隐私权或其他合法权益。
- 参赛者依法享有其原创成果的相应权利。组委会和平台可在赛事评审、复现、宣传展示和合规审计所必要的范围内使用参赛材料；涉及公开发布时，将按赛事协议执行。
- 未经授权，不得向任何人工智能工具或第三方服务输入比赛受限数据、密钥、他人代码及其他敏感信息。
## 十、违规认定与处理
以下行为包括但不限于严重违规：
- 身份、学籍、团队或报名信息造假；
- 多账号参赛、代操作、代提交或代答辩；
- 使用未授权数据、外部服务或未来信息；
- 抄袭、串通、伪造实验或隐瞒重要研究过程；
- 篡改数据、因子值、代码、运行日志或评估结果；
- 攻击平台、利用漏洞、探测他人信息或干扰正常比赛；
- 泄露、传播或违规使用受限比赛数据；
- 拒绝配合复现、审查或不能对异常结果作出合理说明。
组委会可根据情节采取警告、限期整改、删除提交、成绩作废、取消晋级或获奖资格、封禁账号、追回奖金和证书、公开通报，以及依法追究责任等措施。团队成员共同参与或知情未制止严重违规的，可对全队作出处理。
## 十一、奖项与资格
- 奖项、奖金、AQF 证书考试权益、实习或面试机会以组委会最终公告及资格审核结果为准。
- 获奖者须完成身份和学籍核验，并按要求提交领奖信息。
- 因违规、弃赛、失联或未按时提交材料被取消资格时，组委会有权决定是否递补。
- 税费如依法产生，由获奖者按适用规定承担。
## 十二、免责声明
- 平台和组委会将尽合理努力保障数据与服务质量，但不保证数据绝对完整、准确或持续无中断。
- 因市场休市、数据修订、接口变化、系统维护、网络故障、不可抗力等造成的影响，组委会可采取延时、重跑、调整赛程或其他公平补救措施。
- 历史回测、模拟结果和排行榜表现不代表未来投资收益。参赛者不得以赛事结果对外作出投资承诺或误导性宣传。
## 十三、规则变更、申诉与解释
- 组委会可基于数据口径、平台运行、安全合规或赛事组织需要修订本规则，并通过正式渠道通知参赛者。
- 参赛者对评分、数据、平台运行或违规认定有异议的，应在公告规定期限内通过指定渠道提交事实、日志和证据。
- 对同一事项无新增证据的重复申诉，组委会可不再受理。
- 本规则未尽事宜，以适用法律法规、赛事协议、平台服务协议及组委会最新有效公告为准。
- 本赛事规则的最终解释权归大赛组委会所有。
