挑战背景与目标
现有量化策略收益率波动较大，需构建高效回测系统，优化策略参数并提高收益稳定性。
任务目标
- 构建高效的量化投资回测系统，支持多种策略回测
- 设计并实现至少2种量化投资策略（如均线策略、动量策略等）
- 优化策略参数，提高收益稳定性和风险调整后收益
- 开发可视化仪表盘，直观展示回测结果和策略表现
- 撰写详细的策略分析报告，包含策略逻辑、回测结果和优化建议
提交规范
- report.pdf（≤20 页，包含策略设计、回测结果和优化分析）
- strategy_code.zip（包含完整的策略代码和回测系统）
- backtest_results.xlsx（回测结果数据）
- dashboard_prototype.html（可视化仪表盘原型）
- ai_chat_log.json（AI 助手使用记录）
- citations.md（引用说明）
- optional_demo_video.mp4（可选演示视频）
本挑战支持并鼓励使用内置 AI 助手，你的 AI 互动质量将计入 10% 得分。请在提交时附上 ai_chat_log.json 与 citations.md。请在 citations.md 中标注"对话编号 → 代码文件/报告页码"。
AI 使用规范
允许范围：
策略设计思路、代码优化建议、回测系统架构、可视化设计
推荐 Prompt 主题：
量化策略设计、回测系统优化、参数调优、风险评估、可视化最佳实践
必须：
引用 AI 关键建议并标注所在代码文件和行号
禁止：
直接提交 AI 生成的完整策略代码不经修改
数据文件
评分标准
回测系统设计
20%
系统架构合理，性能高效
策略设计
25%
策略逻辑清晰，创新性强
回测效果
25%
收益率、夏普比率、最大回撤等指标优异
AI 协作与引用
10%
AI 使用规范性、引用完整性、协同质量
可视化设计
10%
可视化效果直观，信息丰富
代码质量
10%
代码结构清晰，注释完整，可维护性强
通过阈值: 60/100（且回测结果可复现）
挑战时间线
报名开放
2025-09-05 10:00
资料放出
2025-09-05 10:00
提交窗口
2025-09-20 09:00
2025-09-25 23:59
榜单发布
2025-09-27 12:00
面试期
2025-09-29 — 2025-10-13
奖励与承诺
奖金池
冠军 ¥12,000，亚军 ¥7,500，季军 ¥5,500
就业机会
Top 10 面试机会，Top 5 保底实习
能力认证
得分≥80分且回测可复现者获得 Bloom 量化投资能力徽章
技能要求
Python
量化投资
机器学习
数据分析
金融知识
回测系统
数据可视化
统计学