初赛入围答疑帖
由hxgre创建，最终由jinyicapital 被浏览 59 用户
组委会已完成数据清洗工作，现根据私榜排名公布入围总决赛的团队名单（详见附图）。
未进入决赛的同学若对成绩存有疑问，请尽快通过以下方式联系我们：
- 在本帖留言
- 直接与组委会沟通
组委会将及时回应并解答相关疑问。
由于 BigQuant 平台周末维护，我们将2025年11月24日至2025年11月25日为问题反馈阶段，请参赛者于25日24:00前与组委会进行沟通。
疑问提交格式
请按以下格式提出疑问：
- 问题
- 用户名
- 代码ID
具体格式参考下图：
如何获取私榜提交代码ID
在提交记录中，已勾选的条目即为您提交至私榜的代码。如对该代码的私榜分数有疑问，请按以下步骤操作：
- 点击「查看文件ID」
- 复制提交记录的ID
- 将该ID附于疑问内容中，以便评委会老师查看源码
常见疑问解答
1. 分数为-2的原因
在代码审核过程中，我们发现部分参赛者的代码存在以下问题，导致运行失败，最终得分为-2：
- 未定义变量或未导入必要的第三方包
- 返回值非
pandas.DataFrame类型（如返回tuple等） - 返回的因子数据全部为
np.nan
2. 公榜/私榜分数较高但未入围
本次比赛中，不少参赛者采用建模方式构建因子。需特别注意：严禁使用测试数据集训练模型。我们给出了相关建模的模版代码，并在培训会中强调了建模流程，正确的建模方式为如下两种：
- 在main函数中使用固定训练数据集：
cpt_jyc_2025_stock_csi1000_bar1m训练模型； - 若要实现滚动训练模型的效果，如平台代码模板 factor_machine_learning.ipynb 所示，从
start_date向前取N天数据训练模型。
以上方式均可避免过拟合。但是，我们在人工审核代码时发现，有同学将获取的数据中拆分出一部分作为训练集，并用同一模型在该部分数据中预测因子值，虽预测效果可能较好，但不符合建模规范，无法证明模型的泛化能力。
我们理解人工审核可能存在主观偏差，如有疑问欢迎在评论区提出。
代码验证指南
本次比赛，训练集数据cpt_jyc_2025_stock_csi1000_bar1m的时间周期为2023-01-01至2024-12-31。提交代码至平台后，我们将：
- 替换数据表名为
cpt_jyc_2025_stock_csi1000_bar1m_test - 调整时间周期为2025-01-01 至2025-07-31
- 运行因子分析，根据IC等指标进行排名
为便于大家验证代码及编写因子报告，现开放测试数据集，欢迎进行对比测试：
测试数据表链接：https://bigquant.pro/data/datasources/cpt_jyc_2025_stock_csi1000_bar1m_test
如有其他问题，请随时留言，我们将尽快回复！