C題思路
首先，先說一下選擇C題的理由.C題有著非常明確的背景與目標，也就是現在非常流行的量化交易,一個資料量很充分的題目，他已經給了過往多年，每個月的交易資料，并且題目中給了限制，僅根據價格給出策略，也就省去了我們對于交易量等復雜資訊的考慮.關于資料處理的部分，我們也可以代替大家完成,也會提供更大時間維度的資料，幫助大家訓練更準確的模型.同時，該題主要是一個預測類和規劃類的題目，題意背景讀起來不難理解，模型選擇性多，易于傳達，所以最后選擇今天下午一點半，我們將直播講解思路!!
然后，橫向對比一下,A題是個典型的物理題,關于自行車手的受力分析，還需要一些物理背景知識,B題水庫的資料我們倒是有一些現成的資料，但是該題現在看來,主要是通過字母，模型進行求解，資料部分用上很困難.需要依靠分析水的蒸發,匯入等資訊來進行建模,雖然模型難度不大，但是很難想到哪里可以有出彩的設計.D題本質上，就是設計一個資料研究團隊的kpi，對他的作業成果做一個評價.但是這樣的東西，沒有充分有說服力的資料，我們也很難量化資料團隊給出來的價值以及他們的技術等等，如果沒有充足量的資料支撐，題目會逐漸往語文建模走，開始吹kpi設計如何合理.E也是一個評價類題目，針對的是森林固碳量.但是,各個森林的位置不同，森林種類也不同，氣候不同，生態也不同，如何將這么多不同的東西進行一個比較完美的量化，如何區分杉木林與灌木林或者熱帶雨林等等是一個很麻煩的事情.雖然評價程序看起來簡單，但是量化程序有點無從下手.如果選擇該題的話，最重要的事情就是要說明你篩選指標的程序，以及每個指標到底如何量化,如何得到最終的資料.F屬于典型的天馬行空，開始想象小行星的開采，如何度量每個國家，如何理解小行星開采呢?這畢競不是地球上的資源,那是否先占領的就獲得全部開采權，還是說如何分配,哪怕某國家沒有前往,也有一份資源留給他，不做開發﹖所謂的公平，需要一個很詳細的策略，不光光包括國家的各方面指標需要進行評價，還包括小行星的各方面資料政策需要進行評價.
要求:
一位交易員要求您開發一個模型,該模型僅使用迄今為止的每日價格來確定交易員每天是否應該購買、持有或出售其投資組合中的資產，
特別注意，這邊說到，該模型僅使用迄今為止的每日價格，雖然你可以從網路上爬到每天資料的均值,最值,或者交易量，交易分額等資料，但是在你的模型之中是不可以體現的,你不可以使用這些資料作為引數進行后面的規劃.最后呈現的一個結果應該是一個像基金一樣，何時買入何時賣出的一個結果圖是最合適的.
從2016年9月11日開始，您將從1000美元開始運作，從2016年9月11日到2021年9月10日共五年的交易期，在每個交易日，交易者將擁有一個由現金、黃金和位元幣[C,G,B]分別以美元、美元/盎司和位元幣為單位組成的投資組合，初始狀態為[1000,0,0]，每筆交易(購買或出售）的交易成本為交易金額的α%，假設agola—1%和cbitcoin-2%，持有資產沒有成本，
可以看到，這里給出了一個基礎的假設，在每個交易日，交易者將擁有一個由現金、黃金和位元幣[C,G,B]分別以美元、美元/盎司和位元幣為單位組成的投資組合，初始狀態為[1000,0,0]，對于規劃類的問題,這里就把未知量，也就是決策變數給差不多規定好了，當然可能這個決策變數還不夠，還需要新的量來做添加.然后我們看到,對于每個交易日，我們都有一個這樣的三元組，這意味這什么?一天推一天啊，每天一個階段,每天一個結果，這不是典型的動態規劃思想嘛?去看一下我們(up:全糖奶茶屋)的全模型短視頻系列課程，里面動態規劃理論,代碼，寫作分為三講，非常詳細做了說明.
請注意，位元幣每天都可以交易，但黃金僅在開市日交易，定價資料檔案LBMA-GOLD.csv和BCHAIN-MKPRU.csv反映了這一點，你的模型應該考慮到這個交易時間的限制，
可以看到，這里給了一個約束條件，也就是在周末的時候,需要保持上述三元組中的G是不變的.
好，至此,整個背景看下來,這有一個非常豐富的金融背景，是一個量化投資的這樣一個程序，非常典型的一個規劃模型，目標函式也很簡單，賺的最多就可以了.然后就是約束條件，什么時候可以交易，還有交易的金額等.網上有很多關于量化投資的一個程序,大家可以百度看到很多背景.
要開發模型，您只能使用這兩個電子表格中的資料:LBMA-GOLD.csv和BCHAIN-MKPRU.csv，
·開發一個模型，該模型僅根據該日之前的價格(up to today)，提供最佳每
日交易策略，根據您的模型和策略，在2021年9月10日，最初的1000美元投資價值多少?
這里，另一個關鍵點出現了，這邊說的很清楚,僅根據該日之前的價格(upto today)，也就是說，比如在2017年9月10日，有的資料，只能到2017年9月9日，然后這里需要做一次預測,你需要預測出2017年9月10榷訓是一個什么走勢，然后根據你的預測走勢來看如何交易，而不是站在一個上帝視角，我已經知道9月10日是什么走勢,然后進行買賣的.所以，這里明顯是又涉及到一個預測類的模型，這個也很典型，灰色預測模型,時間序列分析模型,BP神經網路模型,還有LSTM神經網路都是很好的模型進行預測．然后我們要根據下一天的預測結果，來進行一個規劃模型.
·提供證據說明您的模型給出的是最佳策略，
這里可以給我們的交易策略一個擾動，然后看擾動之后,交易金額是否出現上漲,或者考察預測模型與實際值的差額,如果使用神經網路等方法可以不斷修正差額,調整引數,使得差額最小等思考角度.
·確定該策略對交易成本的敏感程度，交易成本是如何影響策略和結果
的?
這里是針對上面的a%進行考察，如果a出現一定范圍內波動,變小我們會更頻繁地交易，變大我們會減少交易次數,給a一些其他的值，考察對交易策略的影響.
·以一份最多兩頁的備忘錄將您的策略、模型和結果傳達給交易者，
閃光點分析:
本題是一個典型的預測類+規劃類的問題，閃光點可以從兩個方面分別入手預測類方面，選用更加準確的預測模型與工具，調整引數等,同時，由于涉及到金融投資，風險性也是不得不考慮的因素，建議增加風險性的分析，以達到更完美的結果呈現.規劃類方面，在目標函式與約束條件給定之后，如何更快地進行收斂是規劃類的思考方向，比如貪婪演算法，比如粒子群演算法,魚群，鳥群等，這些我們的智能演算法系列課都有說到，大家可以去學習一下相關理論.代碼與結果的部分我們可以幫助實作，大家只需要把模型理論以及模型建立部分寫清楚就可以了.
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/427488.html
標籤：AI