我零经验参加量化金融挑战赛，靠 AI 完成训练、提交和审计。Codex 工程扎实，却一直沿用我误设的限制；换用 Claude Code 后，约20分钟发现2022年也可训练，带来最大提升。最终私榜11/90，赛道第二，获200元奖金。复盘发现，真正差距是样本外 RankIC 的稳健性，不是反复折腾的 IR 技巧。下次要先对齐评测、复审规则、及时止损。AI 能高效执行，但方向和取舍仍得自己定。
10 月初，我参加了学校举办的量化金融挑战赛（CSI300 Challenge 2026）：每天给沪深 300 的 300 只成分股打分，比谁排得准。我之前完全没有量化比赛的经验，所以只能依靠 AI 助手：我提需求、拍板、追问，审题、训练、打包、提交都由 AI 完成，也就是 vibe coding，我自己顺便把里面的知识学一遍。前期用的是 Codex，成绩一直上不去；后期换成 Claude Code，约 20 分钟就找到了整场比赛最大的提升。
这篇文章由 AI 根据我的会话记录和项目文档整理，数字来自这些记录；下面是比赛结束后的复盘：做了什么，学到了什么，哪里走了弯路，最后说说结果。
第三，本地验证是校准的。“训练截止提前一年、两年”的长间隔测试预测 IC 约 0.077 和 0.069；公榜实际 0.0773，私榜 0.0708，量级对得上。选模型靠这套验证、不靠公榜，这个做法没有被带偏。
边做边学
我对量化几乎没有基础，学东西的办法很朴素：让 AI 去做，再追着问。每次它给出结论，我就问“为什么”“会不会是过拟合”“公榜和私榜是不是相似”，它会拿数据回答，我再让另一个助手去审。这样下来，我大致弄明白了几件事。
怎么判断一个模型好不好。本地要用前向验证：训练到上一年，测下一年，不能拿训练过的年份算分。公榜只能当核对，因为它的噪声很大：按 AI 的估算，公榜这一小段时期的 RankIC 标准误约 ±0.01，IR 约 ±1.4，几个点的差距分不清是实力还是运气；提交很多次、每次挑最高的人，还会被选择效应抬高。
怎么判断“涨了”是不是真的。任何一次提升，先问它有没有偷看未来，比赛里那两次泄漏就是这样查出来的。再往后一步是看它在新时期还能不能成立：私榜是更靠后的另一段数据，模型不会再更新，所以长间隔测试里的衰减比本地分数更重要。这些理解主要来自 AI 的解释和这次的实验结果，我没有系统学过，细节上可能还有不准确的地方。
别把鸡蛋放在一个篮子里，也别想当然地认为同类服务差不多。以前我觉得 ChatGPT Plus 和同类订阅相差不大，用 ChatGPT 就够了。这次的体感完全不同：Codex 这边，20 美元的 Plus 对这种高强度的用法几乎没法用，两个账号轮流也不够，开了 100 美元的 Pro 连跑一两天仍然没有效果；而 Claude Code 我只用了 20 美元的 Pro，额度却几乎和那个 100 美元的 Pro 相差不大，体验又快又准。这只是我这一次的使用感受，模型和套餐都在变，但它让我明白：卡住的时候，应该多换几个工具试试，而不是在一个上死磕。
本机回测没有对齐平台。Codex 线的回测还是早期的代理设置（持仓数、约束、成本都和官方不同），算出的 IR 和平台没法比，赛后看冠军代码才发现。冠军本地 IR 约 5.2，公榜 5.57、私榜 5.21，彼此吻合，因为他把官方示例约束和成本照搬进了本地回测。下次第一周就该复刻评测，本地 IR 对不上平台之前，不优化 IR。
在已经饱和的方向上堆变体，还把力气花错了地方。近百个变体和上百个超参试验都落在噪声里，平滑、滞后带、粗分桶、中性化这些 IR 技巧折算后也是净持平或净亏，真正的差距却在 RankIC 的样本外衰减。冠军有效的是别的路子：冻结因子网络后，在同风格邻居里学相对强弱；再用最近 20 个已兑现标签现算一个闭式修正。两者都是针对“换时期”设计的。下次要把样本外衰减当主指标，长间隔验证做成常规，每个方向给固定预算，连续几次无增益就换赛道。
最大的一次提升来自撤掉自己设的限制，最大的一次认知修正来自赛后看私榜：真正的差距在样本外 RankIC 的稳健性，不在我花了很多精力的 IR 技巧。对一个没有经验的人来说，这场比赛最大的收获是学会了追问一个结果是不是真的：它有没有偷看未来，换了时期还能不能成立，是实力还是公榜上的运气。下次先对齐评测口径，盯紧规则，把力气放在“换了时期怎么不掉分”上。
10 月初，我参加了学校举办的量化金融挑战赛（CSI300 Challenge 2026）：每天给沪深 300 的 300 只成分股打分，比谁排得准。我之前完全没有量化比赛的经验，所以只能依靠 AI 助手：我提需求、拍板、追问，审题、训练、打包、提交都由 AI 完成，也就是 vibe coding，我自己顺便把里面的知识学一遍。前期用的是 Codex，成绩一直上不去；后期换成 Claude Code，约 20 分钟就找到了整场比赛最大的提升。
这篇文章由 AI 根据我的会话记录和项目文档整理，数字来自这些记录；下面是比赛结束后的复盘：做了什么，学到了什么，哪里走了弯路，最后说说结果。
比赛怎么赛
规则不复杂：只能用官方给的 2016–2022 年三张表（行情、33 个因子、10 个 Barra 风格因子），不许引入外部数据；平台每天调用我提交的 predict，给最多 120 天的历史窗口，我给 300 只股票打分，再由官方回测库按约束构造组合。分数里 RankIC（每天打分与后续收益的秩相关）占 70%，IR（相对基准的超额收益除以跟踪误差）占 30%。
榜单分公榜和私榜，使用不同的隐藏区间，私榜只看最后一次提交；每天最多交 3 次，10 月 14 日截止。主办方还会抽查，用 train.py 从公开数据重训，对不上则成绩作废。
两周流水账
10 月初我用 Codex 审题。它把三份官方 PDF 读完，写成“审题记录”，我又让它建了 AGENTS.md 立规矩：用“训练到上一年、测下一年”的前向验证选模型，不围着公榜调参。我还额外规定 2022 年不参与训练、留作测试，这条后来证明是错的。
接下来几天是 Codex 阶段。它的工程化很扎实：实验登记、回测、打包、验收，最终攒下近 200 个实验目录、1239 次回测、354 份分析文档。成绩却一直不理想：第一次提交 RankIC 0.0495、IR 0.74，排 87/104，之后也没有明显起色。
额度也是个问题。我本来有两个 Codex（ChatGPT Plus）账号轮流跑，因为一个完全不够；后来发现两个也不够，只好又开了一个每月 100 美元的 Pro，连着跑了一两天，没停过，却一点效果都没有，相当失望。那段时间 ChatGPT 的模型还特别慢，输出速度（tps）有问题，更拖后腿。
实在没办法，10 月 9 日我想换成 Claude Code 试试，让它对照官方原文做一次合规检查。约 20 分钟，它就发现：官方明确允许用 2016–2022 全部数据训练，“2022 年关闭”只是我自己写进 AGENTS.md 的限制。补上之后，同样的配方公榜 RankIC 从约 0.054 涨到约 0.073。这是整场比赛最大的一次提升，没用任何新技术，只是撤掉了一条自己设的限制。之后的训练（LightGBM 和 CatBoost 集成）、验收和最终提交的包，都在 Claude Code 里完成。
补上 2022 年后，集成的前向 IC 停在 0.0905 到 0.0915，再也上不去。最后几天我让 Claude Code 把能想到的方向都试了一遍，结果几乎都是无效或净亏：
试过的方向和结果（点开看）
中途有两处“涨了”其实是泄漏，都是 AI 自己查出来的：一个 GRU 融合的“+0.0025”，来自用了含测试期的全样本均值；数据里的“名称”列是最新名称，用它推 ST 状态属于前视，管线里从未使用。
提交上也有几件事。52 MB 左右的大包先后三次报 “judger stopped responding”，同一个文件重传就过，23 MB 以内的小包一次没失败。我还让 AI 做了慢信号占 30% 和 60% 的两个测试包，判据提交前就写好：60% 明显更差（IR 掉 0.94），30% 持平，结论是原包已是最优点。要提醒自己的是，私榜只看最后一次提交，测试之后必须把稳妥包重新传到最后。另外群里有人提议在 predict 里用窗口内已兑现的收益现算一个闭式岭回归，AI 按指南字面判断这属于“评测阶段重新 fit”，建议先要书面确认；离线测出的收益也很小（融合最多 +0.0005），就没做。
比赛结束后，我先清理了磁盘：删掉可再生的中间文件，项目从 67 GB 降到 26 GB，可复现所需的代码、配置和预测都留着。然后读了冠军开源的代码（CSI300-Challenge-2026），逐项对照我们差在哪。
成绩和差距
我的公榜是 RankIC 0.0773、IR 2.58，41/153；私榜 RankIC 0.0708、IR 4.37，11/90。冠军的私榜是 RankIC 0.0825、IR 5.21。两个榜人数不同，名次不能直接比，但有三件事值得记住。
第一，差距在 RankIC，不在 IR。我和冠军的私榜 Score 差 0.145，约 83% 来自 RankIC，只有约 17% 来自 IR，而我却花了很多精力在 IR 技巧上。公榜的 IR 噪声很大：我的 IR 从 2.58 涨到 4.37，冠军则从 5.57 降到 5.21，别人也常在两个榜之间变几个点。
第二，本地不输，输在“换了时期掉多少”。本地验证里我的 RankIC 约 0.092，冠军 0.0887，我不低。但从公榜到私榜，我衰减了约 8.4%，冠军只衰减约 2.9%。
第三，本地验证是校准的。“训练截止提前一年、两年”的长间隔测试预测 IC 约 0.077 和 0.069；公榜实际 0.0773，私榜 0.0708，量级对得上。选模型靠这套验证、不靠公榜，这个做法没有被带偏。
边做边学
我对量化几乎没有基础，学东西的办法很朴素：让 AI 去做，再追着问。每次它给出结论，我就问“为什么”“会不会是过拟合”“公榜和私榜是不是相似”，它会拿数据回答，我再让另一个助手去审。这样下来，我大致弄明白了几件事。
怎么判断一个模型好不好。本地要用前向验证：训练到上一年，测下一年，不能拿训练过的年份算分。公榜只能当核对，因为它的噪声很大：按 AI 的估算，公榜这一小段时期的 RankIC 标准误约 ±0.01，IR 约 ±1.4，几个点的差距分不清是实力还是运气；提交很多次、每次挑最高的人，还会被选择效应抬高。
怎么判断“涨了”是不是真的。任何一次提升，先问它有没有偷看未来，比赛里那两次泄漏就是这样查出来的。再往后一步是看它在新时期还能不能成立：私榜是更靠后的另一段数据，模型不会再更新，所以长间隔测试里的衰减比本地分数更重要。这些理解主要来自 AI 的解释和这次的实验结果，我没有系统学过，细节上可能还有不准确的地方。
别把鸡蛋放在一个篮子里，也别想当然地认为同类服务差不多。以前我觉得 ChatGPT Plus 和同类订阅相差不大，用 ChatGPT 就够了。这次的体感完全不同：Codex 这边，20 美元的 Plus 对这种高强度的用法几乎没法用，两个账号轮流也不够，开了 100 美元的 Pro 连跑一两天仍然没有效果；而 Claude Code 我只用了 20 美元的 Pro，额度却几乎和那个 100 美元的 Pro 相差不大，体验又快又准。这只是我这一次的使用感受，模型和套餐都在变，但它让我明白：卡住的时候，应该多换几个工具试试，而不是在一个上死磕。
复盘
先说做得不错的：选模型靠前向验证、留一年交叉和长间隔测试三层验证，不看公榜；任何“涨了”都先查有没有偷看测试期，两处泄漏就是这样抓出来的；测试包的判据提前写好，最终包也是提前定的，没有为了公榜好看去换；train.py 在本机独立复跑过，抽样日的预测逐值一致。
自己设的限制比规则更严。“2022 年不训练”让 Codex 阶段一直围着它做实验，晚了好几天才吃到最大的提升；发现时 AGENTS.md 里这条还写着，新会话会再次关闭 2022。下次自己定的规矩要写明理由和解除条件，每隔几天对照官方原文复审一遍：允许什么就用什么。
本机回测没有对齐平台。Codex 线的回测还是早期的代理设置（持仓数、约束、成本都和官方不同），算出的 IR 和平台没法比，赛后看冠军代码才发现。冠军本地 IR 约 5.2，公榜 5.57、私榜 5.21，彼此吻合，因为他把官方示例约束和成本照搬进了本地回测。下次第一周就该复刻评测，本地 IR 对不上平台之前，不优化 IR。
在已经饱和的方向上堆变体，还把力气花错了地方。近百个变体和上百个超参试验都落在噪声里，平滑、滞后带、粗分桶、中性化这些 IR 技巧折算后也是净持平或净亏，真正的差距却在 RankIC 的样本外衰减。冠军有效的是别的路子：冻结因子网络后，在同风格邻居里学相对强弱；再用最近 20 个已兑现标签现算一个闭式修正。两者都是针对“换时期”设计的。下次要把样本外衰减当主指标，长间隔验证做成常规，每个方向给固定预算，连续几次无增益就换赛道。
没有人盯规则澄清。闭式岭回归被我们搁置，而冠军引用了主办方的澄清并用上了，本地 RankIC 约 +0.004。它在私榜值多少我不确定，但这是一次因信息不对称错过的机会。下次官方群和官网每天看，口头澄清要求书面化，拿不准的先离线测增益。
工程上还有两个隐患。52 MB 的大包让平台失败三次，私榜评测若撞上瞬时故障后果最大，最终包应当更小，并提前备好轻量备用包。AGENTS.md 也涨到近 80 KB，新会话先读这些，既费上下文，又容易被过期条款误导，应该只留当前有效的条款。
如果只记三件事：先复刻评测口径；自己设的限制要对照原文复审；把力气放在“换了时期怎么不掉分”上。
关于 Vibe Coding
这两周我做的事主要是提需求、拍板和质疑：“你为什么不做？”“排名不够高怎么办？”“榜上靠前的会不会是过拟合？”剩下的都是 AI 在干。
Codex 和 Claude Code 在这次比赛里的表现差别很明显。Codex 的工程化很扎实，但它一直照着我写下的规矩办事，没有回头质疑“2022 年关闭”这条限制；Claude Code 则先读官方原文，再拿我自己的限制去对照，很快就找到了症结。当然，这只是一次比赛里的体验，两边接手的阶段、提示和上下文并不相同，不能当成两个工具的通用结论。我能确定的是：同一个问题，换一双眼睛、重新对照官方原文审一遍，比在原地继续加实验便宜得多。
总的来说，AI 擅长吞吐和纪律：大量实验、泄漏审计、预先写判据、复现验收，也会自己纠错。它不擅长在没人推的时候换赛道，容易在熟悉的模型家族里微调，对规则的解释偏保守，给出的概率也只能当粗估。方向、规则灰区碰不碰、什么时候止损、“别只追公榜”这类取舍，还是得人来定。让一个助手专门做审查和合规检查也很值，最大的那次提升就是这样查出来的。
最大的一次提升来自撤掉自己设的限制，最大的一次认知修正来自赛后看私榜：真正的差距在样本外 RankIC 的稳健性，不在我花了很多精力的 IR 技巧。对一个没有经验的人来说，这场比赛最大的收获是学会了追问一个结果是不是真的：它有没有偷看未来，换了时期还能不能成立，是实力还是公榜上的运气。下次先对齐评测口径，盯紧规则，把力气放在“换了时期怎么不掉分”上。
最后说说结果
比赛分三个赛道：信息学院学生、大一新生、非信息学院学生。我在非信息学院赛道，完整私榜上排第 11（共 90 人），赛道内第 2，拿到了 200 元奖金。赛道第一在完整私榜里只比我高一名；信息学院的同学我比不了，不过完整私榜上所有大一新生都在我后面。
说实话，运气不错。我在公榜上排得并不靠前，私榜才升上来，前面说过公榜的噪声很大，这里面有运气的成分。更让我感叹的是 AI 的强大：一个完全没有量化比赛经验的人，靠它做出了能和同榜选手竞争的东西，还顺便学了不少。奖金不多，但这次经历很有意义。