本次大賽起止時間為2018年5月18日至2018年8月30日，包含兩大極具代表性的賽題：上市公司營收預測和上市公司公告信息抽取。參賽人員不限年齡、國籍、背景和職業均可以個人或團隊名義參賽，全球頂尖的金融科技專家擔任導師。本次大賽共吸引全球4231支隊伍、共計4804名選手參與，參賽人員多來自北京大學、浙江大學、上海交通大學、斯坦福大學、MIT、牛津大學等眾多海內外知名院校。大賽經過初賽和復賽兩輪評比，每個賽題分別選拔出五支隊伍進入決賽，并分別評選出前三名給予獎金鼓勵，并可獲得全球頂尖金融及科技公司高管的直聘機會。歷時3個多月，4231支隊伍經過線上初賽和復賽，共有10支隊伍進入決賽，于8月29日在北京進行現場答辯。

中國證券投資基金業協會副會長鐘蓉薩介紹了舉辦比賽的背景，表示非常高興看到大賽引起了全世界關注，人才匯聚，希望通過大賽發現更多人才，促進金融科技在行業的發展。

賽題一題目是“上市公司營收預測”，要求選手同步預測1400多家上市公司第二季度營業收入，并將選手提交的結果與真實財報數據相對比。五支隊伍輪流展示了各自的成果，KingofWind戰隊提出了“讓AI成為合伙人”的口號，系統架構的模式是首先進行數據讀取和清洗，然后是構建features+target數據集，接著劃分訓練集和測試集，開展模型訓練和測試評估，最后導出數據。

春風又綠江南岸戰隊選手均來自汽車行業，金融知識來源于學習和平時積累，整個建模思路分為數據預處理、特征構建、特征篩選、算法篩選調優、算法融合等，特征決定了信息的上限和噪音的大小，因此將大部分工作放在特征構建上。

智能金融戰隊按照從數據層到技術層到應用層的邏輯，在數據層利用了工商業和金融業的資產負債表、信息流量表、利潤表以及行業數據、公司經營數據等，進行特征構造、選擇算法，并使用3折交叉驗證的模式進行評價，最終利用預測的營業收入，對公司預算做規劃以及智能投資。

Quant_duet戰隊以“用機器預測財務指標”為題，按數據處理、算法解析、應用分析的邏輯思路解決問題。數據處理主要針對三大財務報表和市場數據，算法解析主要利用多因子模型和深度學習模型，應用分析方面針對的是數據驅動及模型靈活性、模型擴展性和實用性。

Alassea Lome戰隊則對數據中金融行業和非金融行業特征進行分析并做區別對待，把金融行業跟非金融行業共有的特征提取出來放在最前面，分別篩選數據?？紤]到公司營收方面其序列可能平穩（如銀行），也可能波動劇烈（如房地產），戰隊在建立模型時都體現這些特征。數據集結構中加入了指數日行情，并在公司角度加入滬深股票日行情以及個股日資金流向。

賽題二題目是“上市公司公告信息抽取”，要求選手在近三萬篇主題公告中利用算法將主辦方指定的重要字段抽取出來，五只隊伍進行了賽題展示。ASD123戰隊對半結構化數據采用規則算法、對無結構化數據采用模型算法后，進行合并得出最終結果，其模型優點體現在結構化與輕量級上，處理半結構化的規則算法模塊和處理無結構化的模型算法模塊是分開的，可以分開優化，每個模塊的提高都會提高整體的效率。

智能ABC戰隊則在數據預處理方面分為html表格處理、html文本處理、html異常處理三類進行分析，主體模型包含表格與正文，對表格進行模板匹配，對于正文則以深度學習為主，以模板匹配為輔。

Miyabi戰隊主要分析了賽題信息中股東增減持、重大合同、資產重組等重要信息，設計了四個實體識別方案進行測試，并做了各個環節的優化。

Heisenberg戰隊在做系統架構時，目標是在賽后可以適用到工業生產中。戰隊運用數據結構技術和NER技術，幫助挑選和分析信息，將上市公司信息抽取工作變成流水線工作。

GOGOGO戰隊亮點在于，在結構上做了一級標級、二級標級、三級標級的設計，可以提高在線處理的效率；同時針對信息抽取具有初步思路，不局限于大賽提供的三類公告，而是設計模型將多類型事件合并用一個模型處理。

在分享環節，主辦單位易方達基金、華夏基金、通聯數據分別對今天選手展示狀況做了總結，并從行業角度分析今天兩個賽題，為選手們拓寬視野，同時對智能投資的發展趨勢進行了討論和交流。

大賽最終評選出了六支優勝隊伍，分別為：智能金融隊、Quant_duet隊、Alassea Lome隊、Miyabi隊、Heisenberg隊和GOGOGO隊，六只優勝隊伍的具體名次將于8月30日舉辦的“2018全球智能投資峰會”上揭曉，大賽同時宣布KingofWind隊和ASD123隊獲得最具潛力極客獎，東風又綠江南岸隊和智能ABC隊獲得最具創意極客獎。

本次大賽會場氣氛熱烈，參會人員積極發表意見，對賽題進行了討論和深入交流，展現出金融科技行業的蓬勃風貌，大賽得到了選手、媒體及其他參會人員的一致好評，均表示希望明年繼續舉辦大賽，推動金融科技發展。