【获奖技巧】美赛主攻C题的同学速速收藏

美赛只剩最后一天了！如果你也是主攻C题的同学，今天必须要学习一下这篇文章。给大家划重点、缩减学习范围，提升获奖率！

MCM简介

数学建模竞赛——MCM

美赛目前分为两种类型MCM和ICM。

MCM 全称The Mathematical Contest in Modeling，即数学建模竞赛，偏数学、理工。

ICM 全称The Interdisciplinary Contest in Modeling，即交叉学科建模竞赛，需要交叉学科知识。

两种类型的竞赛采用同一方式同时进行（仅评阅时分开）。

MCM和ICM各3道题目，通过美赛官网下载赛题及相关附件

MCM：对参赛者的数学模型素养以及建模能力要求较高（公式推导、模型深刻理解、算法的实现）

MCM赛题特点

MCM题目一般不会提出很多问题，专业性强。

A题：连续性问题。常涉及到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。

B题：离散型问题。常涉及到logistic model、多目标决策、多目标规划、动态规划、多元线性回归、元胞自动机、机器学习及预测模型等。（主要是优化模型）

C题：大数据、数据挖掘。常常涉及到机器学习、特征工程、图像处理相关领域的知识。例如21年大黄蜂问题就是一个图像处理/深度学习的问题，20年涉及到NLP相关的算法。除此以外，常用到灰色关联分析、熵权法、因子分析、时间序列分析、元胞自动机等模型。

展开全文

C题难点

l 主要难点：

l 专业性强

l 对编程能力和数据挖掘能力较高要求

l 需要熟练数学模型/算法运用

l 需要具有处理数据基本功

预备工作

l 数学建模 （往期O奖论文，了解行文结构、基本算法）

l Mathpix Snipping Tool & SPSS & Stata

l Latex

l 编程语言 （Python or Matlab）

☆ 赛程时间线

解C题必要技能

一、编程工具：

目标：一门语言/一个开发工具的熟练运用

能进行基本的数据分析（作图、函数等等）

建模/编程手：

1、Python/Matlab

2、IBM SPSS statistics

论文手：

1、Mathpix snipping tool

2、Latex（texworks）

二、熟练数据分析流程：

C题解题思路

以2022美赛C题为例：

1.解题：

Problem C: Trading Strategies

量化交易题，官方给出的总结叫做：a forecasting and allocation optimization problem。题目给出了两种资产：比特币和黄金。希望我们构建一个交易策略，在给定时间段进行交易，并且最大化收益。

交易策略：一个人为定义的规则，或者数学模型，来告诉投资者在什么情况下该持有什么资产（或投资组合）。

比如：“如果周一黄金涨价，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，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，以确定交易员每天是否应买入、持有或卖出其投资组合中的资产。

从2016年9月11日的1000美元开始。您将使用自2016年9月11日至2021年10月9日这五年间的每个交易日。每个交易日，交易者的投资组合包括现金、黄金和比特币 [C，G，B] 的单位分别是美元、盎司和比特币（个）。初始状态是 [1000, 0，0]. 每笔交易的佣金 (购买或出售) 成本占交易金额的α%。假设 α黄金=1%，α比特币=2%。持有资产是没有成本的。

2.实战分析流程：

主实验：开发模型并进行回测。

副实验：侧面验证模型优越性。

对交易成本是否敏感。

C题解题注意点

熟练数据分析流程：

探索阶段→题目→任务→提出假设=探索性数据分析

验证阶段→建模→数据验证→结论=主实验+副实验

1. 熟悉数据分析流程，明确每一步的任务。写代码前，不妨先简单规划一下后续会如何使用这些代码。（先考虑好超参数调整、数据的共享等问题。）

2. 题目是开放性的，所以：研究不用局限于题目要求，可以将合理的准备工作和探索性工作整合到报告里。题目可能有不严谨之处，可以通过增加假设、分类讨论来灵活处理。

C题常用模型/算法

常用的模型与算法评价模型：

层次分析、Topsis(优劣解距离法)、数据包络分析(DEA)、模糊综合评价、秩和比综合评价、主成分分析、灰色关联分析法

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、排队论与计算机仿真、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、典型相关性分析等）、相关回归分析、假设检验、方差检验、贝叶斯统计

分类与判别算法：

距离聚类(系统聚类)、关联性聚类，层次聚类、贝叶斯分类与判别、SVM支持向量机、决策树、极限学习机

重要的算法：蒙特卡罗算法、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)、最优化理论的三大非经典算法(模拟退火法、神经网络、遗传算法)、网格算法和穷举法、元胞自动机

C题论文整体布局

1、假设、摘要与简介

l 简化模型，忽略部分不确定因素；概括全文，适当进行突出与事实相符，引入假设不会造成模型与实际结果的过大偏差

l 模型准备

l 数据观察

l 数据预处理（空值）

l 归一化处理

2、正文部分

可以按照问题顺序来，也可以按照主要脉络来，大概分为2-4个章节。每个章节都可有一个前述/小结（一段话），用来总结本章节做了什么，对应原文中什么问题确保所有问题在章节中都得到解决

3、敏感性分析与鲁棒性分析

重要！！！改变不同参数对结果产生的影响（以图/表形式表达），是否有敏感性分析可能会决定等级

4、总结、强项、不足、展望

5、参考文献及附录 （附录在内共25页）

可加入部分外网官方网站，以及wos/informs上被引率较高的论文。附录不宜过多，适当调整页数。

二、论文辅助

伪算法、相关图片、表格

l 可加入，使整篇文章更美观、

l 图表尽可能简洁美观

重视题目解析和基础思路的确定

l 花费充足的时间解题和确定基础思路，中途不要更换题目

时间安排

l 松弛有度，尽量提早写完论文，后期留充足时间修改

l 每天作息尽量规律，保证每天一定的工作时间

l 团队成员尽可能多交流培养默契，不要出现怠工现象比赛中合理休息，非必要不熬夜

距离美赛开始仅剩不到一天的时间~关注小旭会实时更新美赛最新动态！本次的干货分享到这里就结束了~有其他建议的欢迎宝子们在评论区讨论留言

【动动获奖的小手】关注+点赞+收藏免费领取超全美赛资料包

在最后祝愿所有关注点赞的宝子们锦鲤附体~保M夺O奖！通通给俺上岸！