2022 美赛 C 题参考已经更新到思路6 建议大家多参考多个版本，ABCDEF均出来了
师兄和几个老师一起，E题已经连续出5个版本的思路啦，需要的同学抓紧时间哟！
22各题思路代码均已出：（建议多参考多种思路，才能避免查重问题）
D题已经有了3版思路，E思路有6版本了，C思路也有6个版本啦
单独需要E的小伙伴可以看看这个：
以下为其中一种思路，需要ABCDEF更多思路(每个题均有3 4种及更多思路，多参考避免查重)可以看看这个文章：
交易策略
题目重述：
开发一个模型，仅根据当天的价格数据给出最佳的每日交易策略。使用你
的模型和策略，在 2021 年 9 月 10 日最初的 1000 美元投资价值多少?
提供证据证明你的模型提供了最佳策略。
确定该策略对交易成本的敏感度。交易成本如何影响战略和结果?
将你的策略、模型和结果以一份不超过两页的备忘录的形式传达给交易者。
针对对本问题的研究以及文献参考，给出思路如下：
首先这是一个量化交易的题目，如果没有量化交易的学习背景，不建议选择
该题目。此外在全文比赛建模期间，需要有两个注意的点。
①交易时间期限问题：
比特币可以每天交易，但黄金只在市场开放的日子交易，这是由于比特币为虚拟
货币，而黄金是国际通货，建议大家在分析时提到这一点。
②就是数据使用问题：
我们所构建的全部模型均为“基于目前为止过去的时间的每日价格”。例如：你在
2018 年 9 月 10 的时候，你仅仅知道 9 月 10 日以及之前的数据，对于后面的数
据并不知道。[1]
Task1：针对问题一，本质为构建量化交易决策模型（Quantitative Trading
Decision Model, QTDM），也这是 C 题的核心。这里其实我们可以分为两步去
构 建 QTDM。首先即解决你在当日需要进行的决策。我们需要注意的是，当日的
决策本质上是为了第二天的盈亏。2 月 18 日当日价格上涨，你进行了持仓，如
果 2.19 大跌，那么就会严重亏损。这里我们可以构建预测模型进行解决。主要
有三种办法，一种是以灰色预测（新陈代谢灰色预测），时间序列等为主要的通
过以前数据预测以后的数据，这两种办法对短期股价预测有着较好的可信度。第
二种就是机器学习，例如以:RF（随机森林）、ANN（人工神经网络）、SVM(支
持向量机)之类的办法。通过构建一些技术指标，这里参考文献[2], ADX（Average
Directional Index, 平均趋向指标）、RS（I Relative Strength Index, 相 对强弱指标）、
BB （ Bolliger Bands, 布 林 线 指 标 ）、 MACD （ Moving Average Convergence
Divergence, 异同移动平均线），进行短期训练预测，具体见图 1，第三种，也是
我认为最容易出彩的一种，Apriori 算法与神经网络模耦合模型，具体见图 3。[1]
第二步即进行循环决策模型构建，从 2016 年 9 月 11 日到 2021 年 9 月 10 日。
我们可以把每一日的交易决策当做一个周期，并持续进行。因为我们总是能够知道
当日价格，以及之前的价格，可以进行多次 if 与 for 循环。这里需要考虑到循环的次数
（黄金和比特币不同）、操盘所需要的手续费用（αgold = 1%， αbitcoin = 2%）也就是判断条件。
最后的最后，论文还需要告知“决策”，这里可以从模型 特征值：例如 MACD、RSI 指标、Apriori
等参数的波动进行量化，务必需要分点作答！还可以考虑的出彩点就是风险衡量，
例如构建一些风险衡量指数，周期价格波动越大，代表风险越大。这里可以作为冲击优秀奖项的细节。
备注：这里为核心题目，建议写作长度为 6-9 页。其中较为的部分为编程。
最后年化收益率不宜超过 20~30%。如果出现了翻几番这种结果，务必检查论文
![]()
图 1 RF 下的量化交易技术路线
![]()
图 2 Apriori 算法与神经网络技术路线
Task2：针对问题二，表面为：提供证据证明模型提出了最佳策略，本质为
题目的精度检验与分析，也就是给出指标论证决策的合理性。建议篇幅为 3-4 页，
因为没有横向模型进行对比，所构建的模型误差越大，那么决策的结果就是越差的，因为实际盈利与模拟盈利存在巨大差异，这里建议使用 MSE、MAE、RMSE、 RMAE 等指标衡量模型误差。此外可以生成一些指数：夏普比率、年化收益率 从经济学角度进行思考分析与讨论。
Task3：针对问题三，这里题目主要为附加题，建议撰写篇幅为 2-3 页，通
过以增减交易成本的百分比，可以从 0.5%、1%、1.5%、2%几个方面入手，再
次运行模型，测试不同交易成本下的敏感性大小（交易决策结果）。这里除了分
析不同敏感程度的结果，还需要结合金融中相关知识，也就是为什么要做敏感性
分析（可以从股市震荡或宏观调动两个方面入手）。这里依然要论证模型的鲁棒
性，也就是不同交易成本下本文所构建的模型结果较好。
Task4：针对问题四，这里我认为没有标准的做法，建议以 2 页篇幅参与撰写。
主要从：策略的构成角度（决策指标）、模型鲁棒性（模型的误差）、模型的
敏感度以及决策结果（决策收益）进行 4 点作答。这里建议从时间段进行划分，
将 2016-2021 分为 2-3 个阶段，比如在 2016-2018 都较为平稳，在 2020-2021 经
过了大量的动荡，这里可以绘图展示，图片可以多放一点，文字分点作答，每一
个时间段分点作答，表达清晰即可。 |
|
转播
