kaggle竞赛宝典 | 大模型金融预测大赛Top3方案！

本文来源公众号“kaggle竞赛宝典”，仅用于学术分享，侵权删，干货满满。

原文链接：https://mp.weixin.qq.com/s/te_NG7iyuNC1qBAy08280w

大模型驱动下基金产品的长周期申购和赎回预测

• 赛题名称：AFAC2025挑战组 基金产品的长周期申购和赎回预测

• 赛题类型：时序预测（Time Series Forecasting）/ 回归预测（Regression）

• 赛题任务：利用提供的20只基金的历史申购和赎回时间序列及有限的平台侧关键特征

赛题背景

作为一站式理财服务平台，蚂蚁财富为广大投资者提供了便捷且高效的基金交易功能，每天支撑大规模基金申购和赎回交易。精准预测基金产品在未来一段时间的申购量和赎回量具有重大意义：从平台角度，定量把握基金产品的申赎情况，一方面能够科学地指导平台落实各项流动性管理动作，从而降低由平台垫资而产生的资金成本，另一方面能够揭示行业板块间的资金流向，有针对性地部署申赎预警和运营策略，从而避免AUM流失。

从用户角度，根据基金产品的申赎数据，可以提前提示相关机构锁定基金份额、做好交易准备，同时结合投资研判给到的干预策略，有效降低用户的收益摩擦、保证用户的收益体感。

赛题任务

本赛题提供 20 只基金的历史申购和赎回时间序列以及有限个平台侧关键特征（数据样例见 任务数据 部分），参赛者需要（1）借助大模型自行获取和构造其他有效特征，（2）训练 1 个时序模型，有效建模产品收益和市场行情波动，预测每只基金在 2025/7/25 - 2025/7/31 7 天内每天的申购量和赎回量。

特征构造应尽可能使用大模型：金融类特征（如产品收益、行情等）强制要求使用大模型构造；非金融类特征（如是否交易日等）可以手动构造。 我们最终结合大模型使用能力和模型预测精度综合判定参赛者成绩。

需要注意的是，参赛者只能使用开源大模型（< 64B），最终成绩综合申赎预测精度和大模型使用能力综合判定。

赛题数据集

任务数据本赛题数据集为 fund_apply_redeem_series.csv，此数据表包含 7 列数据，涵盖 3 类信息：

• 基金code（fund_code），参赛者可以根据基金code检索并构造相关特征；

• 基金的历史申购和赎回序列数据，2024/4/8 以来每日（transaction_date）申购量（apply_amt）和赎回量（redeem_amt）；

• 平台侧关键特征，包括 3 个核心交易页面的曝光uv。

特别指出的是，在比赛期间，我们会按日上传最新的基金申赎数据（最后一次上传数据的日期为 2025/7/25，对应交易日期为 2025/7/24），参赛者需要定时关注，尽量使用最完整的数据进行建模，测试集和评测集可自行按照时间滑动构造。

序号	字段	描述	数据类型
1	fund_code	基金code	string
2	transaction_date	交易日期	string
3	apply_amt	申购金额	double
4	redeem_amt	赎回金额	double
5	uv_key_page_1	申赎核心页面 1 曝光uv	double
6	uv_key_page_2	申赎核心页面 2 曝光uv	double
7	uv_key_page_3	申赎核心页面 3 曝光uv	double

赛题评分方法

评价指标：WMAPE（Weighted Mean Absolute Percentage Error，加权平均绝对百分比误差）。

优胜方案

🏆一等奖：fundlove

🏆二等奖：CEDC冲冲冲

🏆 二等奖：allin

🏆三等奖：晨曦组

THE END !

文章结束，感谢阅读。您的点赞，收藏，评论是我继续更新的动力。大家有推荐的公众号可以评论区留言，共同学习，一起进步。