比特币 论文 【获奖技巧】美赛主攻C题的同学速速收藏
距离美国赛只剩一天了！如果你也是专攻C题的同学，今天一定要好好学习这篇文章，帮你突出重点，缩小学习范围，增加获胜几率！
MCM 简介
数学建模竞赛 - MCM
美国数学竞赛目前分为MCM和ICM两种类型。
MCM是The in的缩写，即数学建模竞赛，侧重于数学和科学。
ICM是The in的缩写，即跨学科建模竞赛，需要跨学科的知识。
两种类型的比赛以相同的方式同时进行（仅在评审期间分开）。
MCM和ICM各有3道题，请到美国数学竞赛官网下载试题及相关附件。
MCM：要求参赛者具有较高的数学模型素养和建模能力（公式推导、模型的深入理解、算法实现）
MCM 比赛特色
MCM题目一般不会提出太多问题，而且专业性很强。
问题A：连续性问题。常涉及物理知识及相关方法、微分方程模型、时间序列模型、线性/非线性回归、神经网络、多目标优化等模型。
问题B：离散问题。经常涉及模型、多目标决策、多目标规划、动态规划、多元线性回归、细胞自动机、机器学习和预测模型等（主要是优化模型）
问题C：大数据、数据挖掘。经常会涉及到机器学习、特征工程、图像处理等方面的知识。比如2021年的大黄蜂问题就是图像处理/深度学习问题，2020年的问题涉及到NLP相关的算法。此外，还常用灰色关联分析、熵权法、因子分析、时间序列分析、细胞自动机等模型。
C 题难度
主要困难：
l 专业性强
l 对编程和数据挖掘能力要求较高
l 需要精通数学模型/算法
需要具备基本的数据处理技能
准备
l 数学建模（过往O奖论文，理解文本结构和基本算法）
l 工具 & SPSS & Stata
乳胶
l 编程语言（或）
☆ 时间表
解决 C 语言问题的必要技能
1.编程工具：
目标：熟练掌握一门语言/开发工具
能够执行基本数据分析（图形、函数等）
建模/编程：
1./
2.IBM SPSS
纸手：
1. 工具
2. Latex()
2. 熟练掌握数据分析流程：
问题 C 的解决方案
以2022年ACM C题为例：
1.解决问题：
回答：
量化交易题目的官方概括叫：一和。题目给出了两种资产：比特币和黄金。我们需要建立一个交易策略，在给定的时间段内进行交易，并实现利润最大化。
交易策略：人类定义的规则或数学模型，告诉投资者在什么情况下应该持有什么资产（或投资组合）。
例如：“如果周一金价上涨，那么本周买入黄金。如果周一金价下跌，那么本周买入比特币并卖出黄金。”
交易员要求您开发一个模型，该模型仅使用历史价格来确定交易员每天是否应该买入、持有或卖出其投资组合中的资产。
从 2016 年 9 月 11 日的 1,000 美元开始。你将利用从 2016 年 9 月 11 日到 2021 年 10 月 9 日的五年中的每个交易日。在每个交易日，交易者的投资组合由现金、黄金和比特币 [C,G,B] 组成，单位分别为美元、盎司和比特币。初始状态为 [1000,0,0]。每笔交易（买入或卖出）的佣金成本占金额的 α%。假设 α 黄金 = 1%，α 比特币 = 2%。持有资产没有成本。
2.实际分析过程：
主要实验：开发模型并进行回测。
子实验：间接验证模型的优越性。
它对交易成本敏感吗？
解答C题时应注意的事项
精通数据分析流程：
探索阶段→主题→任务→假设=探索性数据分析
验证阶段→建模→数据验证→结论=主实验+子实验
1. 熟悉数据分析流程，明确每一步的任务。在写代码之前，可能要简单规划一下后面如何使用代码。（先考虑超参数调整、数据共享等。）
2. 主题具有开放性，因此：研究不必局限于主题要求，可将合理的准备工作与探索工作融入报告之中。主题可能不明确，可通过增加假设、分类讨论等方式灵活处理。
问题 C 的常见模型/算法
常用模型及算法评估模型：
层次分析法、（优劣解距离法）、数据包络分析法（DEA）、模糊综合评价、秩和比综合评价、主成分分析、灰色关联分析
预测分析模型：微分方程模型、差分方程模型、回归分析、时间序列、马尔可夫、神经网络、插值拟合、混沌序列预测、小波分析预测、灰色预测模型
优化模型：
数学规划模型（多目标、单目标、0-1整数规划等）、复杂网络优化、排队论与计算机模拟、图论、博弈论
数理统计模型：多元分析（主成分分析、聚类分析、因子分析、判别分析、典型相关分析等）、相关回归分析、假设检验、方差检验、贝叶斯统计
分类和判别算法：
距离聚类（系统聚类）、相关聚类、层次聚类、贝叶斯分类判别、SVM支持向量机、决策树、极限学习机
重要算法：蒙特卡洛算法、数据处理算法（数据拟合、参数估计、插值等）、规划算法（线性规划、整数规划、多元规划、二次规划等）、图论算法、计算机经典算法（动态规划、回溯搜索、分治算法、分支定界等）、最优化理论三大非经典算法（模拟退火、神经网络、遗传算法）、网格算法与穷举法、元胞自动机
C 主题论文的总体布局
1. 假设、总结和介绍
l 简化模型，忽略部分不确定性；概括全文，适当突出与事实的一致性，引入不会导致模型与实际结果偏差过大的假设
模型准备
数据观察
l 数据预处理（空值）
规范化
2. 正文
你可以按照问题顺序或按照主线阅读章节，大致分为 2-4 章。每章可以有一个前言/摘要（一段话），总结本章的作用以及它在原文中的对应内容。问题确保所有问题都在章节中得到解决
3.敏感性分析与稳健性分析
重要！！！不同参数对结果的影响（在图表/表格中），是否存在可能决定评级的敏感性分析
4. 总结、优势、劣势和前景
5. 参考文献及附录（含附录共25页）
可以纳入一些外部官方网站和wos/上引用率高的论文，附录不宜过多，适当调整页数。
2. 论文协助
伪算法、相关图片、表格
可以添加以使整个文章更加美观，
l 图表尽量简洁美观
注重话题分析和基本思路的确定
l 花足够的时间解决问题并确定基本思路，不要中途改变题目
日程
l 适度放松，尽量尽早完成论文，留出足够的时间进行后期修改。
l 每天保持规律作息，保证每天一定的工作时间
l 队员之间应尽量沟通培养默契，避免懈怠，游戏过程中合理休息，非必要不熬夜
距离美国数学竞赛开赛还有不到一天的时间，关注小旭实时了解美国数学竞赛最新动态吧！本次实用资讯分享就到此结束，如果你还有其他建议，欢迎在评论区留言。