近年来，信息智能化已成为金融行业创新赋能的必经之路。发展金融科技是提升金融行业服务质量、增强国际金融竞争力的重要一环，也是满足国家金融发展需求的重要路径。

2022 年 6 月 10 日，“第一届中国研究生金融科技创新大赛”（下称“全国赛”）在国内各高校开启了序幕。在 9 月 10 日全国初赛作品提交截止之前，由厦门大学研究生院主办、经济学院和王亚南研究院承办、中国农业银行厦门市分行协办的“第一届‘农行杯’厦门大学金融科技创新大赛”（下称“校赛”）紧锣密鼓地启动了。我们的团队由一名准博士生和两名准硕士生组成，起初是抱着在入学前学习前沿技术、开拓学科视野的目的报名了校赛。鉴于团队成员都是金融专业的学生，在金融知识的储备上较有优势，但在信息安全技术上相对薄弱，所以我们选择了算法赛道下养老金基金配置相关的赛题。

针对这个赛题，团队设计出产品—“基于机器学习集成技术的个人养老金基金投顾服务”。该产品具有精准、稳健的预测能力和保本的产品特性，切合了当下个人养老金基金投资的社会需要。产品内容分为两个部分：第一，识别投资者风险等级并进行相应的产品推荐；第二，基于不同风险需求，进行个人养老金 FOF（基金中的基金）的产品构建。具体的FOF 产品构建包括了由机器学习集成算法对公募基金进行预测及优选，以及利用固定比例的资产组合保险策略（CPPI）进行基金组合两个部分。

万事开头难，最初的算法入手和演示产品准备百折千回，但现在来看，一切努力都是值得的。在有限的时间里，团队首先参考了业界已有产品和相关算法的学术文献，对预设实现的产品体系进行了规划，随后开展了算法实现和路演准备的工作。在算法技术的落实上，团队参考了学术顶刊上的相关文章，结合现有基于机器学习和集成技术的股票配置模型，搭建了实现适配于养老金基金配置的创新模型。对于团队成果的演示，我们采取深入浅出、有的放矢的策略。

在一个月左右的时间内，完成一个成熟算法和相应的成果展示是一件有挑战性的事情。在算法实现部分的前期，我们花了一定的时间查找文献和资料以进一步熟悉相关模型原理和重要公式的推导过程，为之后代码修改和撰写工作打好基础。此外，机器学习模型需要大量时间进行计算，实现的过程中也经常出现意想不到的问题，所以算法实现部分总是影响整个项目计划的进度。而成品演示也是很重要的部分，既需要及时跟上算法实现部分的进度，又需要始终分清主次重点。在紧迫的截止日前，每个人每天的任务都十分繁重，既需要高效率、高质量地完成既定任务，又需要随时线上开会进行交流讨论，以便及时解决问题，保证项目的顺利推进。那时候，每克服一个阶段技术难点或者实现一部分成果演示，都能给沉闷伏案工作的团队成员带来喜悦和激励。正是这些小喜悦，支撑着身在四海的我们齐心协力、不知疲倦地推进作品成型。最终，我们在校赛两轮的激烈角逐中，有幸获得了算法赛道特等奖的成绩。

在参加校赛的过程中，我们收获了金融科技领域专家评委的宝贵意见，这让我们明确了备战全赛的改进方向。校赛结束后，根据指导老师的意见，我们积极修改各处不足，加入了更能符合养老金配置要求的 CPPI 策略方法，并进一步完善了养老金基金资产配置体系。得益于这些改进，团队在 11 月全国赛的半决赛中有幸再次晋级，同期还获得了全国赛中附加赛事社会贡献奖的一等奖。目前，全国决赛因疫情延期，我们仍在积极完善产品，希望能够在决赛中发挥出稳定的水平。

从校赛到全国赛的一系列参赛过程中，我们更加深刻地意识到金融科技创新的重要性，感受到金融行业的发展离不开多学科交叉与融合。参与高水平赛事也带来了不同于传统课程学习的宝贵启发：第一，学习的广度和深度不拘泥于特定的考试目的和教材，需要参赛者有目的性地针对自身创意和规划，实现理论与实践的融合，这对团队成员的资料收集能力、学习能力、创新能力等方面都有极大的提升；第二，向卓越的学者专家请教和与优秀同学互动，开阔了我们的视野，同时提升了表达沟通能力。此外，以往在学校接受的高质量经济金融和统计相关的课程为我们学习新知识与机器学习模型奠定了基础。这让我们意识到在学校的理论学习中夯实基础的必要性，坚定了我们笃学不倦的信念。

最后，衷心感谢指导老师方颖教授以及郭晔教授、陈海强教授、林明教授等学院其他老师的指导。同时，我们也十分感谢这几个月来为团队提供各种技术帮助的前辈和同学。我们深知目前取得的阶段性进展仅仅只是站在前人的肩膀上，在各位良师益友的启发下迈出的一小步。在未来，我们希望在求知的道路和实践的过程中也能始终践行团队口号—“莫道仓余满，恒业自久长”，做到认真踏实，志在长远。