新手入门
由hxgre创建，最终由hxgre 被浏览 8 用户
欢迎各位参加“BigAlpha AI 因子挖掘”比赛，预祝各位能取得佳绩！这是一篇入门贴，手把手教大家从0到1走完整个比赛流程。
我们将流程尽可能简化，大家只需要关注编写因子代码的逻辑即可，其他步骤由平台方统一处理。
报名参赛
当比赛页面的“报名参赛”按钮变为“提交代码”后，恭喜您已经通过报名审核！如果要访问训练集数据，可以在“比赛→数据”标签页通过数据表链接访问相关数据。
克隆模版
鉴于大家是第一次使用 BigQuant 平台，对平台操作不熟悉，主办方特意在“比赛→代码“页面放置了模版代码，大家只需选择一个克隆到 bigalpha 的开发环境，便可以进行因子开发。
模版代码
以下是模版代码的主函数，参赛者只需要关注 main() 函数的实现，请把所有代码都放在main函数中，包括但不限于：
\
- import python 第三方包
- 自己封装的函数
当您把代码提交上来后，平台会替换 datasource, start_date, end_date 三个变量并执行 main 函数生成测试集的因子数据，因此任何在 main 函数外的代码，都将视为无效代码，不会执行。
最后，我们调用 M.bigalpha_factorminer._latest() 对您构建的因子数据进行检查、评分并画图。如果想要查看评估详细结果，可以通过访问返回值进行查询。返回值中有两个数据 _result 和 _detail：
- raw_factor 存放因子原始数据值。
- process_factor 存放处理后的因子数值。
- factor_analyze 存放单因子分析的结果，包括 IC均值（ic_mean），ICIR（ic_ir），多空夏普值（sharpe_ratio），特殊压力时期的ICIR（stress_ic_ir）。
- factor_regression 存放因子池回归的结果，包括：
- per_factor_scores：每个因子的得分和相关指标。
- weights_history：在滚动窗口周期上，每个窗口上因子的回归权重。
提交因子
当您开发测试得到一个还不错的因子后，请返回比赛页面，点击“提交代码”按钮，选择对应的代码文件进行提交。提交后，您可以在”比赛→提交记录“中查看您的提交。本次比赛可以提交多个不同类型的文件，但要保证只有一个notebook文件，若提交文件没有notebook或者存在多个notebook文件，则会报错。
平台会定期执行新提交的代码文件，且在提交高峰期会存在排队的情况，因此提交后并不会立刻有分数，过程可能会持续数小时。若超过3小时还没有分数，请联系主办方，我们会第一时间处理相关问题。
另外，若提交的代码执行报错，将无法计算得分。为了防止数据泄露，我们不会把报错原因返回给您。若您需要知道具体情况，请根据该帖（提交因子报错反馈）联系主办方，我们会第一时间告知您报错问题。
社区活跃
我们致力打造活跃的赛事交流氛围，鼓励大家走出闭门造车的局限，让不同的投资思路与研究想法充分碰撞。欢迎各位将问题探讨、研究内容、代码成果分享至“比赛→代码“和”比赛→讨论“中，以更多思想交锋，催生更多优质量化因子。