任务：
1、读取任意金融数据集，设置索引，处理缺失值
2、自己构建特征(即因子)，拆分训练集和测试集，完成特征工程(至少应包括标准化数据集)和数据清洗.
3、搭建至少5种模型，并评价拟合优度
4、有余力的同学可以自行回测

ps: 特征构建可以参考国泰君安：基于短周期价量特征的多因子选股体系和alpha158

教程：
tutorial
教程数据

PS:模型的分类(从形式的角度)
线性模型: 线性回归模型, 包括OLS、ridge回归和lasso回归，弹性网络模型等；分类模型有逻辑回归等;
树模型: xgboost, catboost, lightgbm...
神经网络模型: DNN, CNN, TCN, RNN, LSTM, Bi-LSTM, Transformer..., 神经网络原理请参考链接
组合模型, 可以不同模型(或者数个相同的模型)组合而成. scutquant自带的hybrid即是一种简单的组合模型
其它机器学习模型