附件1：“东证期货杯”全国大学生统计建模大赛选题.docx

“东证期货杯”全国大学生统计建模大赛选题 选题 1: 基于互联网公开数据的企业认定、评价、筛选模型的构建 对企业进行科学的行业分类是研究企业风险、评价企业发展趋势的基础，在 互联网信息爆炸增长的今天，如何有效运用互联网公开信息对企业进行科学的评 价、认定、筛选成为学界、业界各方关注的焦点。 传统的企业分析主要基于财务数据进行开展，在产业持续转型和创业创新企 业不断涌现的今天， 传统的分析方法难以客观准确的对目标企业做出合理的评价。 相较于传统的分析方法，基于互联网大数据与人工智能的分析方法能够从多维度 海量企业信息中挖掘出有助于科学、量化分析企业的信息，因此基于大数据和人 工智能的企业分析方法的构建具有较强的实践意义。 企业的真实发展情况往往难以准确及时了解，特别是对于创新型科技创业企 业而言，企业往往轻资产化，发展年限短，企业真实信息更加难以获取。但对于 政府、金融机构、创投机构，及时、准确了解企业具有重要意义。根据企业公开 信息，构建企业的评价体系，多维度分析、量化评价企业（例：企业的运营情况、 发展能力、创新能力、投资前景、负面新闻、舆情指数等）建立企业画像。并从 创投机构的角度出发，量化创投机构投资偏好，为创投机构推荐适合的优秀创业 企业，为创业企业寻找适合的创投机构融资。 对于本题，报名期结束后，组委会将统一发放有关备选指标数据及行业分 类标准的相关信息，参赛者需要根据提示自助获取企业样本原始数据，运用文本 挖掘等方法，完成对样本企业行业分类模型的构建及样本外检测，并最终提交 PDF 版本的初赛论文正文、数据分析程序及原始数据。 选题 2: 互联网金融时代下信用评分体系模型的构建 当下互联网金融已蓬勃兴起，呈现出多种多样的业务模式和运行机制。金 融机构能够突破时间和地域的约束，在互联网上为有融资需求的客户提供更快捷 的金融服务。通过互联网技术，加快业务处理速度，带给用户更好的服务体验。 但同时存在着信用风险和用户欺诈等问题，急需通过信用评分模型提高风险控制 水平。 征信机构利用采集到的丰富信息对个人进行综合信用评价。在丰富海量的个 人信用历史和信用行为数据基础上，采用数据挖掘方法得出的信用行为模式能够 更加准确地预测个人未来的信用表现，能够提高操作的效率，降低授信成本，精 确估计消费信贷的风险，是金融机构内部评分不可替代的重要工具。因此，建立 精准的信用评分体系对于企业有着重要的意义。 对于本题，报名期结束后，组委会将统一发放某贷款机构的历史业务数据作 为原始数据，参赛者需要基于给定数据，运用数据挖掘等方法，构造模型变量， 制定信用规则，建立信用评估模型，预测违约情况，并最终提交 PDF 版本的初赛 论文正文及数据分析程序。 选题 3: 基于高频数据的股票量化交易策略的构建 高频数据和超高频数据分析是现代金融领域最前沿的热点问题之一。随着信 息技术的不断革新，电子交易平台在国际证券市场上被逐步推广使用，这使得金 融市场的资源配置效率得到了提高。更重要的是，与此同时人们能方便地从市场 上获取和存储高频交易数据，这些海量交易信息将比以往的低频数据更能帮助我 们去认识市场本质，改善市场机制设计，进而有效应对金融风险、实现市场的资 源配置效率、促进分工发展的职能。然而，像买卖差价、价格离散取值等市场微 观结构效应在高频数据下被凸显出来，这些都给高频数据的计量建模和分析带来 了诸多前所未有的挑战。 准确的预测和分析最终是为交易服务的，本题将基于股票高频数据，设计出 有效可行的量化交易策略。量化交易作为证券期货投资交易管理业的核心与基本 交易工具，目前已被国际投资管理业基金经理们普遍采用，是现代投资研究领域 的重点发展方向。综观中国证券和衍生品市场，量化交易策略的研究和应用均处 在起步阶段。我们希望通过对本题的研究，促进参赛者对于股票交易自动化、智 能化、投资决策科学化的理解，最终达到风险控制和投资收益最大化的目标。因 此，量化交易策略的构建具有重要的科学价值与实践意义。 对于本题，报名期结束后，组委会将统一发放某证券机构的历史交易五分钟 高频数据，参赛者需要基于给定数据，运用金融统计、机器学习等方法，完成股 票量化交易策略的构建，从风险和收益两个方面进行分析，并最终提交 PDF 版本 的初赛论文正文及数据分析程序。