跳到正文
← 全部课程

策略与量化验证 · 第 16 章 · 进阶 · 约 9 分钟

模型预测很准,为什么交易仍会亏钱?

读完能分清模型输入与答案,检查时间泄漏,并把预测、选股、成交和净收益逐步连接。

内容核验:2026-10-29 · 数值例子均为教学假设

先抓住这一点

模型说自己预测正确率很高,为什么不能直接按它买股票?

模型像用旧题找规律的学生,输入是当时的线索,答案是后来发生的结果。先确保没有提前见答案,再检查预测能否变成可成交、付得起成本的持仓。

先想一想

写下模型准备预测什么,并为每一项输入标出最早可知道的时点。

接着看例子和完整讲解 ↓
本章小节

一个模型十次有六次猜对方向。你觉得不错,却发现猜对每次赚 1 元,猜错每次亏 2 元。这样平均每次仍亏 0.20 元,还没付交易费。先别急着换更复杂的模型:它学的题目、给出的答案和实际交易,可能没有接在一起。

学习目标

你应能画出“当时线索 → 学习答案 → 预测 → 持仓 → 实际收益”的完整过程;让学习的题目对应真实买卖时间,解释为何不能随意打乱日期,并为机器辅助阅读保留可核验的原始来源。

原理与适用边界

先把几个词说清楚。 特征是作判断时输入的线索,例如过去价格变化或已经公布的财务数; 标签是用来学习和检验的答案,例如之后五个交易日收益; 训练是从旧线索与旧答案中找关系。特征必须当时可知,标签则通常要等将来才揭晓。

泄漏就是答案以直接或间接方式混进了线索或选择过程。比如用未来涨跌筛选股票,模型不必学到可持续规律,也能在旧数据里表现很好。金融样本本来就有噪声、相互影响和制度变化,模型越灵活,越需要简单基准和严格时间边界。

预测收益多少、预测上涨概率、预测谁排名更高,是不同任务。正确率只统计方向对几次,没有统计每次赚赔多少。误差更小也可能只是更接近普遍的低收益,对挑出值得交易的股票未必有帮助。

模型输出后,还要问买谁、各买多少、什么时候成交、花多少费用。排序不错却总要求买难成交的股票,或者频繁换仓,都会使预测信息无法变成净收益。应一层一层检查,而不是把预测指标直接当账户收益。

Qlib 是把量化研究多个环节组织起来的框架:处理数据、训练和预测、分析信号、模拟交易并记录实验。它帮助把流程接好,却不会自动保证数据没有未来信息或交易条件真实。官方工作流

Qlib 工作流应怎样阅读

读配置时,按“线索怎样来 → 哪些题用来学习 → 模型怎样作答 → 答案怎样变成持仓”的顺序,比先研究模型名字更容易。

数据处理器(Data Handler)负责从原始数据生成线索并清洗;数据集(Dataset)决定哪些时段用于训练、验证与测试。随后才是模型及其设置,最后是预测分数、组合和订单。这些英文名是软件组件名,各自处理的仍是前面四个普通问题。

官方配置单独列出处理器拟合时间。可把拟合理解为根据一批旧样本定出处理规则,例如平均值、尺度和缺失值填补办法。只能在训练段定规则,再向后应用;先用全书答案选好规则,再只训练前半本,仍然看过后半本。官方数据层

当天对当时已有股票作排名,与用很多年的数据估计一个处理参数,不是同一操作,也要分别写清信息来源。示例中的费用、涨跌停阈值和成交价只是演示设置,不能直接当成当前所有 A 股板块的真实制度。流程能运行只说明软件接通了,不证明投资有效。

假设案例:五日标签怎样穿过边界

先固定要做的事:当天收盘后看线索,下一交易日开盘计划买入,再持有五个交易间隔。为了让训练答案与这个计划一致,可把标签设为“第六个后续交易日开盘价÷下一交易日开盘价−1”,并另外处理分红与可成交性。不能一边按收盘收益训练,一边假设自己在更早的价格买到。

为什么是第六个开盘?下一交易日开盘是起点,从它到第二个开盘是一段,到第六个开盘共五段。这样写出两个端点,就能检查持有期与实际规则是否一致。

再设训练最后一天为 T,验证从 T+1 开始。“T”只是时间线上的一天。若训练末尾某题的答案需要 T 之后价格,这道题已经用到验证期结果,应按标签实际结束时间移出训练。节假日不算交易日,不能只看日历相差几天。

股票表中一天可能有数千行。软件若只按行号隔开 5 行,也许只是跳过五只股票,连一天都没有隔开。scikit-learn 时序拆分里的 gap 指排除多少样本行,不会自动认出一天有几行。因此要先按交易日期划分,再按答案涉及的时间区间检查重叠。官方定义

这些检查能排除明显偷看,不能保证剩下的模型有预测价值;后续仍需独立检验和真实成本约束。

示范规则:一个受约束的预测研究

以下为教学设计,没有训练模型,也没有验证收益。

  1. 选样 :使用历史可投资宽基成分,保留退市与停牌状态;特征只来自当时可见行情和已公告财务。
  2. 信号 :先用线性或简单树模型作为基准,预测固定持有期的相对收益排名。特征、标签、缺失处理和标准化规则预先冻结,不先上复杂深度网络。
  3. 调仓 :按日期顺序划分训练、验证和独立测试,定期只用此前已完整揭晓标签的数据重训;月末生成目标、下一可成交日执行。预测期与实际持有期要一致,重叠仓位另建明确账本。
  4. 仓位 :示范选最高分二十只、等权并加行业和单股约束;不把预测分数直接当杠杆倍数。没有合格标的时留现金。
  5. 退出 :按固定持有期或事前排名缓冲退出,交易异常按实际成交处理;不得根据模型日后修订的分数重写历史持仓。
  6. 成本与失效 :与无模型的等权、单因子和简单模型在同样执行条件下比较。若复杂度只改善样本内,或净收益被换手吞噬,就不升级模型;分布漂移与数据质量异常触发暂停复核。

常见失败:标签泄漏与伪复现

包括用未来收益衍生特征、全样本选特征、完整样本填缺失、按未来是否退市删股票、随机拆分相邻日、用修订后财务值回填过去。即使没有一列明叫未来收益,也可能已经泄漏。

把清洗和模型连接为预处理流水线,有助于在训练段定规则、之后照同样办法处理,但输入仍须当时可得。固定随机种子,也就是每次给程序相同的随机起点,只能帮助重复计算,不能修复偷看未来。模型认为某个特征重要,也不证明它导致收益:它可能只是借行业或规模辨认出某次特殊行情。scikit-learn 官方实践

LLM 适合辅助什么

大语言模型 (LLM)可以先当作帮助阅读和整理材料的助手:拆研究问题、比较公告措辞、列核对表、解释代码、提出反例。关键财务事实要回到原始文件,保存公告日期和可定位段落;算式交给可检查的计算,单位和报表范围仍需核对。它给出来源链接,也必须真的打开确认。

不要把一份回答流畅的股票名单直接当买入信号。模型可能编出事实,把不同时间的消息混在一起,也可能缺少最新披露。用今天的模型评价多年前新闻还有一个特殊问题:它可能已经从后来材料中知道结局。提示它“假装回到当年”,不能证明未来知识已被消除。

这种助手能降低阅读和整理负担,但没有替你完成时点检查、独立验证与成交分析。FCA 的官方说明也讨论了 AI 用于投资研究的局限和幻觉,即生成看似可信、实际不真的内容。官方说明

练习

模型 A 的方向正确率 60%,但正确时平均赚 1 元、错误时平均亏 2 元,忽略成本的每笔期望多少?若用完整测试期选择最重要的十个特征,再只在训练期拟合,是否已经消除泄漏?

参考答案

先完成练习,再展开参考思路

期望为 0.6×1−0.4×2=−0.2 元,费用只会进一步降低。特征选择已经使用测试结果,后续仅在训练期拟合不能撤销这次泄漏;需要重新设计选择流程和独立验证。模型指标与收益的区别不能由更高正确率掩盖。

已读原始来源与核验日期

核验日期:2026-10-29。阅读官方工作流、数据处理、时序拆分与监管说明;未安装框架、下载行情或训练模型。

研究流程的完整检查框架见回测与样本外。

读完这一章

试着向朋友解释这一章:它在解决什么问题?哪个例子最能说明?什么情况下结论会改变?