本次大赛起止时间为2018年5月18日至2018年8月30日，包含两大极具代表性的赛题：上市公司营收预测和上市公司公告信息抽取。参赛人员不限年龄、国籍、背景和职业均可以个人或团队名义参赛，全球顶尖的金融科技专家担任导师。本次大赛共吸引全球4231支队伍、共计4804名选手参与，参赛人员多来自北京大学、浙江大学、上海交通大学、斯坦福大学、MIT、牛津大学等众多海内外知名院校。大赛经过初赛和复赛两轮评比，每个赛题分别选拔出五支队伍进入决赛，并分别评选出前三名给予奖金鼓励，并可获得全球顶尖金融及科技公司高管的直聘机会。历时3个多月，4231支队伍经过线上初赛和复赛，共有10支队伍进入决赛，于8月29日在北京进行现场答辩。

香港正版免费资料大全副会长钟蓉萨介绍了举办比赛的背景，表示非常高兴看到大赛引起了全世界关注，人才汇聚，希望通过大赛发现更多人才，促进金融科技在行业的发展。

赛题一题目是“上市公司营收预测”，要求选手同步预测1400多家上市公司第二季度营业收入，并将选手提交的结果与真实财报数据相对比。五支队伍轮流展示了各自的成果，KingofWind战队提出了“让AI成为合伙人”的口号，系统架构的模式是首先进行数据读取和清洗，然后是构建features+target数据集，接着划分训练集和测试集，开展模型训练和测试评估，最后导出数据。

春风又绿江南岸战队选手均来自汽车行业，金融知识来源于学习和平时积累，整个建模思路分为数据预处理、特征构建、特征筛选、算法筛选调优、算法融合等，特征决定了信息的上限和噪音的大小，因此将大部分工作放在特征构建上。

智能金融战队按照从数据层到技术层到应用层的逻辑，在数据层利用了工商业和金融业的资产负债表、信息流量表、利润表以及行业数据、公司经营数据等，进行特征构造、选择算法，并使用3折交叉验证的模式进行评价，最终利用预测的营业收入，对公司预算做规划以及智能投资。

Quant_duet战队以“用机器预测财务指标”为题，按数据处理、算法解析、应用分析的逻辑思路解决问题。数据处理主要针对三大财务报表和市场数据，算法解析主要利用多因子模型和深度学习模型，应用分析方面针对的是数据驱动及模型灵活性、模型扩展性和实用性。

Alassea Lome战队则对数据中金融行业和非金融行业特征进行分析并做区别对待，把金融行业跟非金融行业共有的特征提取出来放在最前面，分别筛选数据。考虑到公司营收方面其序列可能平稳（如银行），也可能波动剧烈（如房地产），战队在建立模型时都体现这些特征。数据集结构中加入了指数日行情，并在公司角度加入沪深股票日行情以及个股日资金流向。

赛题二题目是“上市公司公告信息抽取”，要求选手在近三万篇主题公告中利用算法将主办方指定的重要字段抽取出来，五只队伍进行了赛题展示。ASD123战队对半结构化数据采用规则算法、对无结构化数据采用模型算法后，进行合并得出最终结果，其模型优点体现在结构化与轻量级上，处理半结构化的规则算法模块和处理无结构化的模型算法模块是分开的，可以分开优化，每个模块的提高都会提高整体的效率。

智能ABC战队则在数据预处理方面分为html表格处理、html文本处理、html异常处理三类进行分析，主体模型包含表格与正文，对表格进行模板匹配，对于正文则以深度学习为主，以模板匹配为辅。

Miyabi战队主要分析了赛题信息中股东增减持、重大合同、资产重组等重要信息，设计了四个实体识别方案进行测试，并做了各个环节的优化。

Heisenberg战队在做系统架构时，目标是在赛后可以适用到工业生产中。战队运用数据结构技术和NER技术，帮助挑选和分析信息，将上市公司信息抽取工作变成流水线工作。

GOGOGO战队亮点在于，在结构上做了一级标级、二级标级、三级标级的设计，可以提高在线处理的效率；同时针对信息抽取具有初步思路，不局限于大赛提供的三类公告，而是设计模型将多类型事件合并用一个模型处理。

在分享环节，主办单位易方达基金、华夏基金、通联数据分别对今天选手展示状况做了总结，并从行业角度分析今天两个赛题，为选手们拓宽视野，同时对智能投资的发展趋势进行了讨论和交流。

大赛最终评选出了六支优胜队伍，分别为：智能金融队、Quant_duet队、Alassea Lome队、Miyabi队、Heisenberg队和GOGOGO队，六只优胜队伍的具体名次将于8月30日举办的“2018全球智能投资峰会”上揭晓，大赛同时宣布KingofWind队和ASD123队获得最具潜力极客奖，东风又绿江南岸队和智能ABC队获得最具创意极客奖。

本次大赛会场气氛热烈，参会人员积极发表意见，对赛题进行了讨论和深入交流，展现出金融科技行业的蓬勃风貌，大赛得到了选手、媒体及其他参会人员的一致好评，均表示希望明年继续举办大赛，推动金融科技发展。