量化金融的出圈，离不开一则则“低调”的招聘启事， 一次次刷新了应届生的薪资上限。
日前，有位小红书博主称，自己刚接到Five Rings（一家年轻的量化交易公司）的寒假实习offer call，电话里HR告知这位博主：“The pay would be $1150 per day，还给sponsor”。
帖子一出，北美留学生一片破防。年纪轻轻就年薪百万，这个量化梦哪个金融留学生不想拥有！
与此同时，国内的量化金融领域近些年也经历了爆炸式的增长，其发展速度堪比过去十年的互联网行业，展现出极为乐观的前景。
据悉，一家百亿私募面向应届生开出了4.5万元至5万元区间的月薪，全年发放18个月薪水；某大型基金公司面向应届生开出的月薪甚至高达10万元以上。
在市场关注度持续不减的量化圈，光有学历背景和理论知识，简历的竞争力略显单薄。想在“哈耶普斯麻、清北复交”的人才里脱颖而出，也得有高含金量的实战背景才行。
对想做Quant的同学来说，2-3段高质量的实习经历和打量化的相关国际竞赛是快速增加实战经验的好办法。
金融领域里的国际竞赛其实不少见，但关于量化为何大佬们频频提及kaggle？
其实，kaggle有点像传统应用数学领域的数学建模大赛。大家开放式地去解决这个问题，最终谁的效果好，排名高可以获得不菲的奖金。
kaggle的数据集大多源自真实的场景，考察的是参与者解决实际问题的能力。最为重要的是，这里的大量数据集和量化投资相关的命题都是由私募对冲基金提供的。
所以，一旦有金融量化相关的kaggle比赛，金融领域的大佬们都会蜂拥而至。
这场由量化金融大佬Jane Street主办的Market Prediction，奖金池高达$100k，大概3w人参加。虽然已经结束，但是作为经典金融赛事之一，不断有新的模型和技术被挖掘，学习价值和参考价值非常高。
Kaggle是一个机器学习竞赛平台，2017年被Google收购。上面汇聚了大量的数据科学家和开发者。在这个平台上，会发布各种数据相关的竞赛题目，参赛者需要运用自己的技能和知识，对给定的数据进行分析、建模和预测，以获得最佳的结果。竞赛的得分可以作为开发者履历很好的一个补充。
对于金融方向的留学生和大学生来说，Kaggle是一个非常有价值的平台。
从留学生的角度来看，在申请国外热门专业的时候，你有了Kaggle的成绩，申请软实力的提升轻而易举。
目前，国际上的名校都非常认可Kaggle竞赛，一些知名大学UCL、哥伦比亚大学、纽约大学、上海交通大学等设立了与Kaggle相关的项目。同时，一些顶尖学府如哈佛大学、牛津大学、斯坦福大学等也开设了Kaggel-in Class的课程项目。
而对于金融专业的学生，无论现在是在学习过程中，还是职业发展中都需要掌握数据分析、建模等技能，Kaggle都提供了一个实践和提升技能的绝佳机会。
Kaggle作为业内享有盛名的竞赛平台，在业界拥有极高的认可度。所以如果你是想寻找相关行业的工作，那一份漂亮的Kaggle profile将为你的简历增色不少。
Quora上的这个问题：How can we use Kaggle? 就提到，把Kaggle的项目经验写在Linkedin上可以很直观地展现自己的能力。
一方面，很多金融大佬也会不遗余力地参与Kaggle比赛，刷排名，这足以证明其在行业内的重要性。另一方面，平台最终会公布大家的模型和使用的技巧，这为参与者提供了学习和借鉴的机会。
对于个人来说，在Kaggle上取得好成绩，不仅可以提升自己的技能和知识水平，还可以在未来的求职过程中增加自己的竞争力。
提升编程能力
目前，量化研究中最主流的编程语言是Python，在Kaggle竞赛中，需要熟悉常用的数据分析包，包括numpy、pandas、scipy、sklearn甚至tensorflow、pytorch等深度学习框架。
对于一些高频策略，还需要有扎实的C++基础。通过参与Kaggle竞赛，可以不断提升自己的编程能力，从而更好地实现量化策略。
巩固金融知识基础
机器学习的兴起逐渐减少了定量投资对金融知识的依赖，但仍需要熟悉一些重要的研究理论（如CAPM和APT）。
通过Kaggle竞赛中的金融相关命题，可以进一步巩固金融知识基础。
强化数学基础
定量投资相对依赖于数学，其中最重要的是概率论和线性代数，它们非常依赖于风险控制、因素挖掘和期权定价。
此外，如果使用机器学习，微积分也将有助于算法的设计和选择。在Kaggle竞赛中，需要运用到各种数学知识，从而强化数学基础。
近些年Kaggle在全球的关注度越来越高，在留学申请、学习规划、求职发展等多方面都发挥着举足轻重的作用。
众多知名公司or研究机构，在kaggle平台发布了接近真实的业务/研究数据和高额奖金，悬赏寻求最好最新的解决办法，甚至给出顶尖的工作机会。
小编给大家整理了五个经典的金融量化Kaggle比赛，大家可以去膜拜一下。
温顿股市挑战大赛
比赛背景：Winton Capital正在寻找擅长在大海捞针中发现隐藏信号的数据科学家，并且对创建新颖的统计建模和数据挖掘技术有热情。在这次招聘竞赛中，Winton挑战参赛者承担预测未来（股票回报）的艰巨任务。
评估标准：使用加权平均绝对误差评估提交。
比赛时间：2016.1
财务建模挑战赛
比赛背景：经济机会取决于在不确定的世界中提供单一准确预测的能力。通过准确预测金融走势，Kagglers将学习科学驱动的方法来释放重要的预测能力。
评估标准：提交将根据预测值和实际值之间的 R 值进行评估。R值类似于R平方值，也称为决定系数。R 平方可以计算为：
比赛时间：2017.2-2017.3
简街市场预测大赛
比赛背景：在一个完全有效的市场中，买家和卖家将拥有做出理易决策所需的所有代理和信息。因此，产品将始终保持其“公允价值”，永远不会被低估或定价过高。然而，金融市场在现实世界中并不完全有效。
制定交易策略以识别和利用低效率是具有挑战性的。即使一种策略现在有利可图，也可能在未来不会，市场波动使得无法确定地预测任何给定交易的盈利能力。因此，很难将好运气与做出良好的交易决定区分开来。
在此挑战中，参赛者将建立自己的量化交易模型，以使用来自全球主要证券交易所的市场数据最大化回报。
评估标准：该竞赛根据效用分数进行评估。
比赛时间：2021.2-2021.8
优化器实现波动率预测大赛
比赛背景：在金融市场中，波动性捕捉的是价格波动的量。高波动性与市场动荡时期和价格大幅波动有关，而低波动性则描述了更平静和安静的市场。
在本次比赛中，参赛者将构建模型来预测不同行业数百只股票的短期波动。
评估标准：使用均方根百分比误差评估提交，定义为：
比赛时间：2021.6-2021.9
JPX东京证券交易所预测大赛
比赛背景：现有的量化交易工作有很多用于分析金融市场和制定投资策略。创建和执行这样的策略需要历史和实时数据，这对于散户投资者来说尤其难以获得。本次比赛将为日本市场提供财务数据，让散户投资者能够最充分地分析市场。
评估标准：提交的内容根据每日点差回报的夏普比率进行评估，对给定日期的每只活跃股票进行排名。单日回报将排名最高的200只（例如0至199）股票视为买入，最低（例如1999至1800）排名最高的200只股票视为做空。然后根据股票的排名对股票进行加权，并假设股票在第二天购买并在第二天出售，则计算投资组合的总回报。
比赛时间：2022.4-2022.7
近期可报kaggle竞赛
1️⃣UM - 蒙特卡洛树搜索游戏能力预测竞赛
报名截止：2024 年 11 月 16 日
所属领域：数据挖掘、人工智能、强化学习
留学申请：适合于机器学习 ML，人工智能 AI，计算机 CS 研究生项目
求职相关：科技公司 的 AI Engineer，Data Scientist 和 AI Researcher 岗位
2️⃣ARC Prize 2024
报名截止: 2024 年 11 月 03 日
所属领域 : 人工智能，算法相关方向。
留学申请 : 适合于人工智能 AI，数据科学 DS，计算机 CS 研究生项目
求职相关 : 科技公司的 AI Researcher，Data Scientist，ML Engineer 岗位
3️⃣NeurIPS - Ariel 数据挑战赛2024
报名截止：2024 年 10 月 25 日
所属领域：数据挖掘、人工智能、信号处理，天文学
留学申请：适合于机器学习ML，人工智能AI，计算机CS，电子工程EE项目
求职相关：科技公司的AI Engineer，Data Scientist 和AI Researcher岗位
4️⃣Eedi - 挖掘数学中的错误概念
报名截止：2024年12月05日
所属领域：自然语言处理、人工智能、深度学习、大语言模型
留学申请：适合于机器学习ML，人工智能AI，计算机科学CS项目
求职相关：科技公司的AI Engineer，Data Scientist和AI Researcher岗位
5️⃣CMI — 青少年互联网使用预测
报名截止：2024年12月13日
所属领域：数据科学、机器学习、人工智能、时间序列分析、心理健康
留学申请：适合于机器学习（ML）、人工智能（AI）、数据科学（DS）、计算机科学（CS）等相关领域项目
求职相关：适用于科技公司中的AI工程师、数据科学家和AI研究员等岗位
