AI 因子挖掘

## 赛事介绍 ### BigAlpha 全球联赛 **BigAlpha** 是 BigQuant（宽邦科技）面向全球高校青年人才打造的年度 AI 量化投研赛事 IP，连接高校、学生、量化机构与 AI 金融实践场景。依托 BigQuant AI 投研平台，赛事通过真实数据、开放赛题与专业评审，发现具备 AI 投研能力、量化建模能力与策略创新能力的新一代金融科技人才。 BigAlpha 2026 在全球同步开放三大赛事，参赛者可根据自身背景与兴趣自由选择： | 赛道 | 适合人群 | 链接 | |---|---|---| | **AI 因子挖掘** | 金融工程、量化、数学、统计方向学生 | [AI 因子挖掘](https://bigquant.com/square/competition/76ad3f56-ec2b-431a-890e-139a7f4bbcba) | | **端到端大模型** | AI、CS、数据科学、金融科技方向学生 | [端到端大模型](https://bigquant.com/square/competition/523f9302-5b4b-42bd-bce1-f232e7c74316) | | **AI 开放创新** | 跨学科团队、创新创业团队 | [AI 开放创新](https://bigquant.com/square/competition/63dd885c-2488-4efd-9c61-9e3a536f172c) | 本文档介绍的是其中的 **AI 因子挖掘** 赛事。 ### 关于 BigQuant BigQuant 是国内领先的 AI 量化投资平台，使命是 "Democratize AI to empower investors"——让 AI 普惠每一位投资者。作为行业内首个将 AI 技术系统性应用于投资领域的平台级产品，BigQuant 把机器学习、深度学习等前沿 AI 技术与量化投资深度融合，为个人 Quant、研究机构、券商及资管机构提供从数据、研究、回测到实盘的一站式解决方案，目前已被多家头部金融机构采用为量化研究与投资决策的基础平台。 平台核心能力涵盖四个层面： * **数据底座**：PB 级标准金融数据 + 新型另类数据，覆盖行情、财务、舆情、产业链等多维度，并提供 PIT 处理、跨频率对齐等基础设施。 * **因子与算法**：内置 2000+ 基础因子库，支持表达式引擎、UDF、AI 自动化因子挖掘等多种构建方式；集成 AutoML、超参寻优、滚动训练、组合优化、归因分析等量化研发组件。 * **研发环境**：DAI 数据引擎提供高性能因子计算（速度更快、内存占用更低）；模块化可视化开发与 Python / Notebook 无缝集成，兼顾低门槛与灵活性。 * **生态与落地**：策略源码库、券商研报、量化学院培训体系、模拟与实盘对接，构建从学习到落地的完整闭环。 本赛道基于 BigQuant 平台的真实数据与研发环境举办，参赛者将直接使用与机构客户一致的工具链完成因子挖掘与提交。 ### 为什么是因子挖掘 在现代量化投资领域，阿尔法因子（Alpha Factor）是获取超额收益的核心。一个有效的因子，能够从海量、嘈杂的市场数据中精准预测未来股价的动向。持续挖掘、迭代高质量因子，是推动量化投资行业创新发展的关键。 我们相信，最卓越的投资思想往往源于开放的探索与协作。因此，我们选择通过本次赛道，开放真实、高颗粒度的市场数据，邀请全球顶尖高校的人才共同迎接这一挑战。 参赛者将接触到稀缺、高质量的 A 股市场分钟级行情数据，任务是利用这些数据构建一个能够预测未来股票收益的创新因子。您的因子将分两个阶段评估：先在历史数据上回测得到 "公榜" 得分，再在全新、动态更新的市场数据上模拟得到 "私榜" 得分，以确保策略在真实世界中的稳健性。 通过本赛道，您将获得： * 处理大规模金融时序数据的实战经验； * 对市场微观结构的深入理解； * 直面量化领域真实命题——如何适配不同技术路径（传统方法 / AI 技术）驱动因子挖掘、如何在高中低频多策略场景下保持稳健性； * 与全球顶尖高校选手同台比拼，作品被机构与赞助方看见的机会。 ## 赛道设置 本次竞赛设置双赛道并行模式： * **传统量化赛道** * **核心**：强调投资逻辑、统计显著性与经济解释性。 * **方法**：包括但不限于多因子模型、基本面分析、经典技术指标组合、物理模型模拟等。 * **评审导向**：重点评估因子背后的经济学逻辑合理性、统计检验的显著性、不同市场环境下的稳健性，以及因子可解释性。 * **AI 智能赛道** * **核心**：利用大语言模型（LLM）、强化学习、遗传算法等技术进行因子自动生成或优化。 * **方法**：利用 AI 进行自动化特征工程、通过 Prompt Engineering 生成因子公式、使用神经元网络挖掘非线性因子等。 * **评审导向**：除因子有效性外，额外重点评估 AI 技术的应用深度与创新性，以及 AI 参与度（详见决赛评估章节）。 ## 数据 本次竞赛提供高质量的 A 股市场数据： * **股票池**：中证 1000 指数在历史相应时间点上的成分股。 * **时间范围**：2019-01-01 至 2024-12-31。 * **数据内容**： * **K 线及盘口快照**：提供 1 分钟K线及盘口数据。 * **财务数据**：已做 PIT（Point-in-Time）处理。 ## 模版代码 本次竞赛采用"**因子挖掘**"的方式，平台提供包含高频数据在内的各类特色数据，参赛者需按所属赛道构建日频因子并提交。主办方将提供如下多个模版代码供参赛者参考： * 用 SQL 计算因子，参考 `demo_sql.ipynb`。【注：DAI 数据引擎直接计算因子，速度更快，内存占比更低】 * 用 Python 计算因子，参考 `demo_py.ipynb`。【注：传统 Python 计算，请注意内存使用情况】 * AI 赛道专属模版：参考 `demo_ai.ipynb`（包含 LLM 因子生成、强化学习因子优化等基础示例）。 ## 数据校验与预处理 提交的因子数据必须通过以下所有校验，否则视为无效提交。 * **数据列检查**：提交文件必须且仅包含三列 —— `date`（交易日）、`instrument`（股票代码）、`factor`（因子值）。 * 平台不限制因子方向，默认 **因子值越大越好**，参赛者需自行确保因子方向的逻辑正确性。 * **交易日完整性**：因子数据不得缺失评估时间范围内的任何一个交易日。 * **因子覆盖度**：在每个交易日，因子值缺失率不得高于 **40%**。 * **预处理**：对原始因子做 **去极值** 与 **标准化** 处理。 * **风格剔除**：将原始因子与 BARRA 风险因子进行回归，取残差作为新的因子，以评估该因子的增量贡献。 ## 因子池与评估 ### 提交规则 每支团队最多提交 **50 个因子**，并从中选择 **n 个**（$1 \le n \le 50$）进入本队的因子池参与评估。 > 提交上限的设计意图：鼓励参赛者精选因子，而非批量堆砌；同时为平台评估保留合理的计算资源。 ### 单因子得分（A 项） 对每个入池因子独立计算单因子得分： $$ \text{FACTOR} \;=\; 0.25 \times \text{Rank}_{IC_{mean}} \;+\; 0.25 \times \text{Rank}_{IC_{IR}} \;+\; 0.25 \times \text{Rank}_{SR} \;+\; 0.25 \times \text{Rank}_{\text{Stress}} $$ * $\text{Rank}_{IC_{mean}}$：IC 均值排名。 * $\text{Rank}_{IC_{IR}}$：IC_IR 排名。 * $\text{Rank}_{SR}$：多空组合夏普比率排名。 * $\text{Rank}_{\text{Stress}}$：特殊行情下的IC_IR得分。 **团队 A 项得分**：取该团队所有入池因子中单因子得分最高者： $$ \text{Score}_A^{(\text{team})} = \max_{i \in \text{team}} \text{FACTOR}_i $$ ### Elastic Net 回归得分（B 项） 将所有参赛团队入池因子汇总为全局候选因子集，以截面 z-score 标准化后的下期收益率为目标，进行 Elastic Net 回归： $$ y_{i,t} = \frac{r_{i,t+1} - \mu_t}{\sigma_t}, \quad r = Fw + \epsilon $$ $$ \mathcal{L} = \|y - Fw\|^2 + \lambda_1 \|w\|_1 + \lambda_2 \|w\|^2 $$ 采用**滚动窗口**训练（窗口长度 60 个交易日，步长 20 个交易日），对每个因子取跨窗口的权重稳定性得分： $$ \text{ModelScore}_i = \frac{\text{mean}(|w_i|)}{\text{std}(|w_i|) + \epsilon} $$ > 该指标同时衡量因子在组合中的平均贡献大小与跨期稳定性，类比单因子评估中的 IC_IR。Elastic Net 的 L1 项会将无增量贡献的因子权重压至 0，L2 项则使相关因子组内的权重平滑分配，避免随机选一。 **团队 B 项得分**：取该团队所有被 Elastic Net 选中（权重非零）的因子的 ModelScore 均值： $$ \text{Score}_B^{(\text{team})} = \text{mean}_{i \in \mathcal{S}_{\text{team}}} \widetilde{\text{ModelScore}}_i, \quad \mathcal{S}_{\text{team}} = \{i \in \text{team} \mid w_i > 0\} $$ 其中 $\widetilde{\text{ModelScore}}_i$ 为百分位归一化后的 ModelScore，$\mathcal{S}_{\text{team}}$ 为该团队权重非零的因子集合。若团队无任何因子被选中，则 $\text{Score}_B = 0$。 > 因子是否被选中完全由 Elastic Net 的 L1 项决定，无需额外引入人工参数。均值奖励的是"平均质量"——多提交无增量贡献的因子会拉低得分，天然防止以量取胜。 ### 本地调试支持 为方便参赛者在提交前自行评估因子质量，平台提供**本地回归工具**： * 参赛者可将自己的因子库作为输入，在本地运行与官方一致的 Elastic Net 回归流程。 * 工具输出每个因子的 ModelScore 估算值、滚动权重曲线、与其他因子的相关性热力图。 * 本地工具使用**公开的历史因子集**（主办方提供的基础因子库）作为对照组，模拟全局竞争环境。 > 本地结果仅供参考，最终得分以官方全局回归为准（因全局因子集随赛程变化）。 ## 评估周期与排名 本次竞赛分为**公榜阶段**和**私榜阶段**，两个阶段使用不同的数据区间，最终排名以私榜为准。 ### 数据划分 | 阶段 | 训练集 | 验证集 | 说明 | |---|---|---|---| | 公榜 | 2019-01-01 ~ 2024-12-31 | 2025 全年 | 参赛者可见验证集得分，用于调试迭代 | | 私榜 | 不公开 | 不公开 | 包含 2026 年样本外数据，具体区间不对外披露 | > 公榜验证集（2025 年）与私榜评估区间不重叠，防止参赛者通过反复提交间接拟合私榜数据。 ### 评估周期 公榜阶段，每次有新因子提交即加入待评估队列。但 Elastic Net 的计算量随全局因子数 N 增长，为避免资源浪费，平台采用**自适应间隔**： $$ t_{\text{next}} = \max\bigl(k \cdot t_{\text{last\_run}},\; t_{\text{min}}\bigr) $$ * $t_{\text{last\_run}}$：上一轮实际评估耗时。 * $k$：安全系数，取 1.5，为下一轮因子增量留出余量。 * $t_{\text{min}}$：最小间隔，固定为 **1 小时**，避免频繁触发。 比赛初期因子少、计算快，间隔自然短；后期因子池扩大，间隔自动拉长，无需人工干预。 每轮评估完成后，平台同步更新公榜排名、公布本轮评估结果。 **私榜阶段**：公榜截止后，参赛者因子冻结，不得新增或修改。平台使用私榜数据对所有冻结因子进行一次性评估，结果即为最终排名。 ### 团队最终得分 公榜得分仅供参考，不计入最终排名。私榜阶段结束后，按以下公式计算最终得分： $$ \text{Score}_{\text{final}} = 0.3 \times \text{Score}_A^{(\text{team})} + 0.7 \times \text{Score}_B^{(\text{team})} $$ 按 $\text{Score}_{\text{final}}$ 降序排列，得到团队最终排名。两个赛道分别独立计算排名。 ## 每轮公示内容 在每日固定时点，根据最新一次评估结果，主办方公布以下信息，帮助参赛者明确优化方向： **（1）当前因子组合特征（前 10 因子画像）** 对当前 ModelScore 排名前 10 的因子，公布以下特征： | 特征 | 说明 | |---|---| | BARRA 风格暴露 | 该因子在市值、Beta、动量、波动率等风格上的暴露分布，帮助参赛者判断哪些风格维度尚未被充分挖掘 | | 行业分布 | 因子在各行业的平均 IC，揭示因子的行业偏好 | > 公布的是**聚合特征**，不涉及具体因子构造逻辑，不影响知识产权保护。 **（2）团队细节得分** 每轮评估后，向各团队公开以下竞争信息： * 当前权重前 20 的因子中，本团队占据几个（不披露其他团队的因子内容）。 * 本团队各因子的 ModelScore 百分位排名及变化趋势。 * 本团队 A 项、B 项得分及全场排名分位。 > 公开竞争信息可提升比赛紧张感，同时让参赛者清楚知道自己与头部团队的差距在哪里。 ### 指数增强策略跟踪 基于每轮回归得到的因子权重，平台同步构建一个**中证 1000 指数增强策略**： * 以 Elastic Net 回归的合成因子值为信号，在成分股内超配高分股、低配低分股，跟踪误差约束在 5% 以内。 * 每轮评估后更新策略持仓，并展示以下指标： | 指标 | 说明 | |---|---| | 累计超额收益 | 相对中证 1000 的累计 alpha | | 年化超额收益 / 跟踪误差 | 信息比率（IR） | | 最大回撤 | 超额收益的最大回撤 | | 本轮因子更新后的增量贡献 | 新一轮因子加入后策略 IR 的变化 | > 指增策略的持续改善是比赛质量的直观体现——每轮新增的优质因子应能推动策略 IR 上升。若某轮新增因子未能提升策略表现，也会在公示中如实呈现，形成对参赛者的正向反馈。 ## 赛程安排 ### 阶段一：宣传报名 * **时间周期**：2026-05-15 至 2026-06-24 属于宣传报名期，其中 5 月 25 日 - 6 月 24 日为正式报名期，报名截止时间为 **2026-06-24**。 * **报名组队**：通过活动主页进行报名。可单人或多人组队（单一队伍最多不超过 5 人）。报名完成后可加入官方社群（微信 / QQ 群）寻找队友。 * **内测服务**：2026-06-08 至 2026-06-18 属于系统内测阶段，参赛者可以提交代码，用于测试系统稳定性及熟悉比赛系统，最终成绩不计入初赛，内测阶段结束后会重置排分榜单。 ### 阶段二：初赛 * **时间周期**：2026-06-25 至 2026-08-05 * **运行机制**： * 以 **2026-07-26 23:59:59** 作为**截止日期**。 * 在截止日期前，利用平台提供的数据开发因子并按照规范提交代码，平台会使用验证集数据构建对应的因子数据并打分实时更新排名，以队伍最好的一次得分展示在"公榜（Public Leaderboard）"上；同时，参赛队伍可以选择和替换总计不超过 2 个因子作为截止日后的候选因子。 * 在截止日期后，参赛者将不允许修改候选因子的构建代码；平台在私榜区间内的每个交易日盘后，会根据参赛者提供的代码增量构建因子数据，每日计算得分排名，并以队伍最好的一次得分展示在"私榜（Private Leaderboard）"上。 * **线上技术工作坊**：由合作平台方工程师主讲，分赛道介绍平台功能、API 使用、数据结构及因子分析框架（传统赛道聚焦统计验证方法，AI 赛道聚焦 AI 工具链使用）。 * **账号与数据发放**：向所有成功报名的队伍发放比赛专用账号，开放数据访问权限。 ### 阶段三：决赛 **决赛场次与地点** BigAlpha 2026 全球高校联赛在两地举办线下总决赛： | 场次 | 时间 | 地点 | |---|---|---| | 美国场总决赛 | 2026-09-01 | UC Berkeley | | 亚洲场总决赛 | 2026 年 9 月中旬 | 北京大学 | **晋级规则** 每场线下总决赛各设 **12 个晋级名额**，组委会综合三大赛事（AI 因子挖掘、端到端大模型、AI 开放创新）的初赛表现进行评定： * **直通晋级**：每场比赛各赛事初赛 **前 2 名** 直接晋级（3 个赛事 × 2 名 = 6 个名额）； * **综合评定**：剩余 **6 个名额** 由组委会在三大赛事中综合判定选出。 **参赛材料** 入围决赛的队伍须按时提交因子研究报告（PDF，10–15 页）。报告应结构完整、论证严谨，需包含以下章节： | 章节 | 内容要点 | |---|---| | 摘要 | 研究目标、核心方法与主要结论 | | 赛道标签 | 明确"传统"或"AI"赛道作为参赛标签 | | 引言 | 因子研究背景与文献综述 | | 因子构建 | 数据预处理、因子计算公式与逻辑（AI 赛道需额外说明 AI 技术应用环节）| | 实证分析 | 因子分析回测结果、绩效归因、稳健性检验（不同市场周期与行业下的表现）| | 创新性与局限性 | 方法创新点与局限性讨论；AI 赛道需说明 AI 应用的创新点 | | 结论 | 研究总结与未来方向 | **答辩与颁奖** 决赛答辩采用 **"25 分钟展示 + 5 分钟评委问答"** 的形式，线下举行并同步线上直播。答辩结束后公布最终名次，并举行颁奖典礼，邀请所有嘉宾、评委与选手共同参与。 ## 决赛评估 入围决赛的队伍将由评审委员会进行综合评估，评分标准如下： * **因子质量与逻辑性**： * 投资逻辑与经济解释性：因子背后的经济学逻辑、市场微观结构解释是否清晰、合理。 * 有效性与稳健性：因子在不同市场周期、不同行业下的表现是否稳定，统计显著性是否达标。 * **研究深度与规范性**： * 报告质量：报告结构是否严谨、分析是否深入、论证是否充分。 * 代码质量：代码是否规范、可读性强、易于复现。 * **现场表现**： * 陈述表达：对研究工作的理解是否深刻，表达是否清晰、有条理。 * 问答互动：回答评委提问是否精准、有逻辑，能否清晰阐述因子的经济意义。 * **AI 创新性**（适用 AI 赛道）： * AI 应用逻辑与创新性：AI 技术选型与因子挖掘场景的适配性、AI 应用环节的原创性。 * 有效性与 AI 参与度：因子有效性、稳健性，以及 AI 参与度的实际落地效果。 ## 提交文件 在本次比赛中，您只需要按照**模版代码**里的例子，将因子构建代码写在 **main** 函数中并提交，平台会自动运行生成因子数据，计算得分并实时公布。需注意： 1. 传统赛道代码需标注核心统计方法、经济逻辑对应的实现环节； 2. AI 赛道代码需标注 AI 技术应用的关键环节（如 LLM 调用、模型训练、自动化特征工程等）； 3. 若有任何文本类的信息，请以 markdown 格式放在 notebook 中，如使用 AI 时涉及的提示词等； 4. main 函数的返回数据格式需遵循以下规范： | date | instrument | factor | |------------|------------|-------| | 2023-01-03 09:45:00 | 000001.SZ | 0.05 | | 2023-01-03 09:45:00 | 000002.SZ | -0.12 | | ... | ... | ... | ## 赛事奖励 BigAlpha 2026 全球高校联赛设置了丰厚的奖金与权益，覆盖比赛全周期。本因子挖掘赛道与其他两条赛道共享以下奖项体系。 ### 洲际奖项（线下决赛） 亚洲场总决赛与美国场总决赛分别设置如下奖项： | 奖项 | 名额 | 奖金 | 其他权益 | |---|---|---|---| | 金奖 | 1 名 | 人民币 20,000 元 | 奖杯 + 电子证书 | | 银奖 | 2 名 | 人民币 15,000 元 | 奖杯 + 电子证书 | | 铜奖 | 3 名 | 人民币 10,000 元 | 奖杯 + 电子证书 | ### 初赛奖项 * **赛道周冠军**：每场比赛每周根据排名评选周冠军，奖励人民币 1,500 元。 * **BigAlpha 量化新星**：凡参赛并至少提交一次有效合规作品的团队，均颁发电子证书。 ### 特色奖项 随赛事推进，组委会将评选出部分具有特色的作品与团队进行专项颁奖，奖项内容届时公布，奖金合计人民币 12,500 元。 ## 代码要求 本次竞赛为代码竞赛，所有提交必须通过合作的线上量化平台完成。为保证竞赛公平性，您的代码需满足以下条件： * **平台提交**：所有因子生成代码必须在指定的线上平台 Notebook 环境中运行并提交（AI 赛道需使用平台指定的 AI 工具链 / 算力环境）。 * **运行时长限制**：CPU Notebook ≤ 3 小时；AI 赛道 GPU Notebook ≤ 6 小时。 * **禁止访问外部网络**：为防止信息泄露和使用未来数据，Notebook 的互联网访问权限将被禁用。 * **最终提交**：您提交的必须是可以自动运行并生成因子文件的代码，而非因子数据文件本身；AI 赛道需额外提交 AI 技术应用说明文档（说明 AI 参与度对应的代码环节）。