Citadel Datathon Assessment 是 Quant Research / Data Science 岗位繞不過去的一關。和 SDE OA 不一樣，它考的不是寫得多快，而是「拿到一份混亂資料後，能不能在 24 小時內講清楚一個故事」。本篇是 oavoservice 學員復盤匯總：題型、評分維度、踩坑、VO代面 / VO輔助 的邊界。
一、Citadel Datathon Assessment 的考察形態
通常有兩種形態：
| 形態 | 說明 | 時長 |
|---|---|---|
| Take-home Datathon | 給一份資料集 + 模糊問題，自己定義假設 | 24 小時 |
| Live Datathon | 現場視訊會議，分析 + 答辯 | 3–5 小時 |
學員遇到的樣本裡 take-home 占比約 70%。Live Datathon 通常用於 finalist 階段，類似 onsite 的 panel。
二、四段式題型：清洗 → 探索 → 建模 → 報告
階段 1：資料清洗（約 20% 時間）
題面通常說「資料可能有缺失、有錯誤、有重複」，但 不會告訴你具體在哪裡。需要主動發現：
- 型別不一致：日期一會兒是字串一會兒是 epoch
- 缺失值：有的欄位 NaN，有的欄位用 -999 表示缺失
- 異常值：報價 0 / 負價格 / 100 萬倍異常單位
import pandas as pd
def clean(df):
df = df.copy()
df['ts'] = pd.to_datetime(df['ts'], errors='coerce')
df = df.dropna(subset=['ts'])
df = df[df['price'].between(0.01, 1e5)]
df = df.drop_duplicates(subset=['id', 'ts'])
return df
踩坑提醒：直接 dropna() 會讓你損失 30% 資料，但 不解釋為什麼 drop 會被扣大分。要在報告裡寫一段「資料可用性約束」。
階段 2：探索性分析（約 25% 時間）
EDA 是評分大頭。學員復盤裡多次提到 reviewer 在意：
- 分組比較：按時間 / 類別拆分均值與方差
- 相關性 / 互資訊矩陣
- 視覺化基本功：直方圖、散點、時序圖三件套
- 穩健性檢查：去掉極端值後結論是否穩定
避免雷區：只貼一張相關係數熱力圖就開始建模。reviewer 想看到「為什麼選這兩個特徵」，而不只是「這兩個特徵相關性 0.8」。
階段 3：建模（約 30% 時間）
Citadel 不期待 SOTA 模型，期待一個能講清楚的模型。學員實測高分模板：
from sklearn.linear_model import Ridge
from sklearn.model_selection import TimeSeriesSplit
import numpy as np
def fit_and_eval(X, y):
tscv = TimeSeriesSplit(n_splits=5)
rmses = []
for tr, va in tscv.split(X):
model = Ridge(alpha=1.0).fit(X[tr], y[tr])
pred = model.predict(X[va])
rmses.append(np.sqrt(np.mean((pred - y[va]) ** 2)))
return np.mean(rmses), np.std(rmses)
關鍵加分項：
- 用 TimeSeriesSplit 而不是 KFold（金融時序資料 leakage 風險）
- 報告裡寫「為什麼 Ridge 而不是 XGBoost」（可解釋性 vs 擬合能力 trade-off）
- 給出一個 baseline（持平 / 上次值），讓 reviewer 知道你的模型確實有 alpha
階段 4：報告（約 25% 時間）
很多學員把 80% 時間花在前三步、20% 寫報告，但 reviewer 50% 的注意力都在報告上。
報告結構（學員實測有效模板）：
- 摘要（半頁）：3 個 bullet 寫結論，1 個數字寫信心度
- 問題定義：你怎麼理解這個模糊問題
- 資料可用性：清洗了多少、丟了多少、為什麼
- EDA 關鍵發現：3–5 張圖，每張配一句結論
- 建模與驗證：模型選擇理由 + 交叉驗證 + baseline 比較
- 局限與下一步：reviewer 喜歡看「你知道你不知道什麼」
- 附錄：完整程式碼 / 長圖
三、評分維度（學員從 reviewer feedback 反推）
| 維度 | 權重 | 表現良好的標誌 |
|---|---|---|
| 資料敏銳度 | 25% | 主動發現 -999 / 異常單位 |
| 統計嚴謹性 | 25% | 用 TimeSeriesSplit、留意 leakage |
| 視覺化品質 | 15% | 標軸、圖例、配色專業 |
| 建模合理性 | 15% | 模型選型有理由，有 baseline |
| 敘事清晰度 | 20% | 摘要能讓一個 PM 看懂 |
四、3 天衝刺方案
| 天數 | 任務 |
|---|---|
| D1 | EDA 工作流模板（pandas + seaborn + matplotlib）熟練化 |
| D2 | 時序建模 baseline + Ridge / Lasso / Tree 三件套 |
| D3 | 完整 mock：3 小時清洗 + EDA + 建模 + 報告 |
五、VO代面 / VO輔助 在 Datathon 的實戰路徑
Datathon 大多以 take-home 形式發出，不直接錄影。但提交後通常會有 跟進 panel：
- Quant interviewer 會 逐圖追問：這張圖為什麼這樣畫
- 會 追問統計基礎：你用的 p-value 是單側還是雙側
- 會 追問業務直覺：如果策略真上線，最大尾部風險在哪
oavoservice 在 Datathon 全流程提供：
- Take-home 階段：思路梳理、報告結構 review、關鍵決策陪練
- Mock panel：模擬 reviewer 逐圖追問
- 建模思路 + 敘事節奏陪練
- Panel 當天：即時 cue 與提示，應對追問
FAQ
Citadel Datathon 難度比 SDE OA 高嗎？
不是「更難」，是 維度不同。SDE OA 考速度與正確率，Datathon 考敘事與判斷。
Citadel Datathon 必須用 Python 嗎？
絕大多數學員用 Python。R 和 Julia 也接受，但程式碼可讀性會被以「reviewer 是否熟悉這門語言」為前提評估。
Datathon 提交後多久收回饋？
通常 1–2 週。Live panel 邀請會在回饋後 1 週內到。
沒做 finance 專案可以投 Citadel Datathon 嗎？
可以。學員裡有相當一部分背景是物理 / 統計 / CS，只要資料故事講得清楚，行業經驗不是必須。
VO代面 / VO輔助 在 Datathon panel 階段能做什麼？
mock panel + 追問預演 + 報告結構復盤 + panel 當天即時 cue。從 take-home 到 panel 全流程都有 mentor 陪同。
正在準備 Citadel / Citadel Securities Datathon？
oavoservice 追蹤 Citadel Datathon 已超過 2 年，mentor 來自一線 quant / data science 團隊。提供 take-home 復盤、報告結構 review、mock panel、VO代面 / VO輔助 等服務。
👉 立即新增微信：Coding0201，獲取 Citadel Datathon 經驗復盤與 VO輔助 路徑。
聯絡方式
Email: [email protected]
Telegram: @OAVOProxy