2022美赛c题解析

C题思路

首先，先说一下选择C题的理由.C题有着非常明确的背景与目标，也就是现在非常流行的量化交易,一个数据量很充分的题目，他已经给了过往多年，每个月的交易数据，并且题目中给了限制，仅根据价格给出策略，也就省去了我们对于交易量等复杂信息的考虑.关于数据处理的部分，我们也可以代替大家完成,也会提供更大时间维度的数据，帮助大家训练更准确的模型.同时，该题主要是一个预测类和规划类的题目，题意背景读起来不难理解，模型选择性多，易于传达，所以最后选择今天下午一点半，我们将直播讲解思路!!

然后，横向对比一下,A题是个典型的物理题,关于自行车手的受力分析，还需要一些物理背景知识,B题水库的数据我们倒是有一些现成的资料，但是该题现在看来,主要是通过字母，模型进行求解，数据部分用上很困难.需要依靠分析水的蒸发,汇入等信息来进行建模,虽然模型难度不大，但是很难想到哪里可以有出彩的设计.D题本质上，就是设计一个数据研究团队的kpi，对他的工作成果做一个评价.但是这样的东西，没有充分有说服力的数据，我们也很难量化数据团队给出来的价值以及他们的技术等等，如果没有充足量的数据支撑，题目会逐渐往语文建模走，开始吹kpi设计如何合理.E也是一个评价类题目，针对的是森林固碳量.但是,各个森林的位置不同，森林种类也不同，气候不同，生态也不同，如何将这么多不同的东西进行一个比较完美的量化，如何区分杉木林与灌木林或者热带雨林等等是一个很麻烦的事情.虽然评价过程看起来简单，但是量化过程有点无从下手.如果选择该题的话，最重要的事情就是要说明你筛选指标的过程，以及每个指标到底如何量化,如何得到最终的数据.F属于典型的天马行空，开始想象小行星的开采，如何度量每个国家，如何理解小行星开采呢?这毕竞不是地球上的资源,那是否先占领的就获得全部开采权，还是说如何分配,哪怕某国家没有前往,也有一份资源留给他，不做开发﹖所谓的公平，需要一个很详细的策略，不光光包括国家的各方面指标需要进行评价，还包括小行星的各方面数据政策需要进行评价.

要求:

一位交易员要求您开发一个模型,该模型仅使用迄今为止的每日价格来确定交易员每天是否应该购买、持有或出售其投资组合中的资产。

特别注意，这边说到，该模型仅使用迄今为止的每日价格，虽然你可以从网络上爬到每天数据的均值,最值,或者交易量，交易分额等数据，但是在你的模型之中是不可以体现的,你不可以使用这些数据作为参数进行后面的规划.最后呈现的一个结果应该是一个像基金一样，何时买入何时卖出的一个结果图是最合适的.

从2016年9月11日开始，您将从1000美元开始运作。从2016年9月11日到2021年9月10日共五年的交易期。在每个交易日，交易者将拥有一个由现金、黄金和比特币[C,G,B]分别以美元、美元/盎司和比特币为单位组成的投资组合。初始状态为[1000,0,0]。每笔交易(购买或出售）的交易成本为交易金额的α%。假设agola—1%和cbitcoin-2%。持有资产没有成本。

可以看到，这里给出了一个基础的假设，在每个交易日，交易者将拥有一个由现金、黄金和比特币[C,G,B]分别以美元、美元/盎司和比特币为单位组成的投资组合。初始状态为[1000,0,0]。对于规划类的问题,这里就把未知量，也就是决策变量给差不多规定好了，当然可能这个决策变量还不够，还需要新的量来做添加.然后我们看到,对于每个交易日，我们都有一个这样的三元组，这意味这什么?一天推一天啊，每天一个阶段,每天一个结果，这不是典型的动态规划思想嘛?去看一下我们(up:全糖奶茶屋)的全模型短视频系列课程，里面动态规划理论,代码，写作分为三讲，非常详细做了说明.

请注意，比特币每天都可以交易，但黄金仅在开市日交易，定价数据文件LBMA-GOLD.csv和BCHAIN-MKPRU.csv反映了这一点。你的模型应该考虑到这个交易时间的限制。

可以看到，这里给了一个约束条件，也就是在周末的时候,需要保持上述三元组中的G是不变的.

好，至此,整个背景看下来,这有一个非常丰富的金融背景，是一个量化投资的这样一个过程，非常典型的一个规划模型，目标函数也很简单，赚的最多就可以了.然后就是约束条件，什么时候可以交易，还有交易的金额等.网上有很多关于量化投资的一个过程,大家可以百度看到很多背景.

要开发模型，您只能使用这两个电子表格中的数据:LBMA-GOLD.csv和BCHAIN-MKPRU.csv。

·开发一个模型，该模型仅根据该日之前的价格(up to today)，提供最佳每

日交易策略。根据您的模型和策略，在2021年9月10日，最初的1000美元投资价值多少?

这里，另一个关键点出现了，这边说的很清楚,仅根据该日之前的价格(upto today)，也就是说，比如在2017年9月10日，有的数据，只能到2017年9月9日，然后这里需要做一次预测,你需要预测出2017年9月10日会是一个什么走势，然后根据你的预测走势来看如何交易，而不是站在一个上帝视角，我已经知道9月10日是什么走势,然后进行买卖的.所以，这里明显是又涉及到一个预测类的模型，这个也很典型，灰色预测模型,时间序列分析模型,BP神经网络模型,还有LSTM神经网络都是很好的模型进行预测．然后我们要根据下一天的预测结果，来进行一个规划模型.

·提供证据说明您的模型给出的是最佳策略。

这里可以给我们的交易策略一个扰动，然后看扰动之后,交易金额是否出现上涨,或者考察预测模型与实际值的差额,如果使用神经网络等方法可以不断修正差额,调整参数,使得差额最小等思考角度.

·确定该策略对交易成本的敏感程度。交易成本是如何影响策略和结果

的?

这里是针对上面的a%进行考察，如果a出现一定范围内波动,变小我们会更频繁地交易，变大我们会减少交易次数,给a一些其他的值，考察对交易策略的影响.

·以一份最多两页的备忘录将您的策略、模型和结果传达给交易者。

闪光点分析:

本题是一个典型的预测类+规划类的问题，闪光点可以从两个方面分别入手预测类方面，选用更加准确的预测模型与工具，调整参数等,同时，由于涉及到金融投资，风险性也是不得不考虑的因素，建议增加风险性的分析，以达到更完美的结果呈现.规划类方面，在目标函数与约束条件给定之后，如何更快地进行收敛是规划类的思考方向，比如贪婪算法，比如粒子群算法,鱼群，鸟群等，这些我们的智能算法系列课都有说到，大家可以去学习一下相关理论.代码与结果的部分我们可以帮助实现，大家只需要把模型理论以及模型建立部分写清楚就可以了.