机器学习在交易里：应用与陷阱

机器学习会在你给的任何数据里找到信号——包括纯噪声。纪律就是要确保信号是真的。

机器学习有个诱人的承诺：喂它数据，得到一个赚钱的模型。在交易里，这个承诺半真。机器学习在某些领域真有用，在另一些领域自信地烧钱。分清两者就是全部工作。

机器学习真有用的地方

1. 大规模特征工程：在几百个输入里发现人永远找不到的非线性交互
2. 横截面排名：预测哪只股票本周跑赢同侪，不是绝对收益
3. 另类数据：从卫星图、文件 NLP、新闻情绪里提信号
4. 风险建模：比 GARCH 更准地预测波动率和相关性
5. 执行：实时优化订单切片和路由

机器学习可靠失败的地方

1. 直接用原始 OHLCV 预测价格——信噪比接近零；你会拟合噪声
2. 小样本配深模型——过拟合基本必然
3. 状态切换——在 2010–2020 训练的模型 2024 年可能灾难性失效
4. 非平稳数据——机器学习假设训练分布在推理时成立；市场不配合

过拟合陷阱

参数够多，任何模型都能拟合任何历史序列。一个神经网络能完美预测训练集，样本外一文不值。防御：

• Purged walk-forward 交叉验证：用过去训练，用未来测试，中间留 gap 防泄漏
• 严格样本外测试：留出模型从没见过的几年的数据
• 简单偏好：先线性模型，证明非线性加价值再升级
• 正则化：L1/L2 惩罚、dropout、集成
• Deflated Sharpe Ratio：按你试过的策略数做校正

现实机器学习流程

1. 仔细框定问题——预测排名或方向，不是原始价格
2. 造干净的特征，要有经济学含义——别塞原始 OHLCV
3. 交叉验证用 purged、时间感知的切分（绝不能随机——那会泄漏未来）
4. 从简单开始：逻辑回归、梯度提升；只有需要时才升级到深度学习
5. 样本外测量，带现实交易成本
6. 监控衰减：滚动 Sharpe；滑了就重训或退役

常见错误

• 随机训练/测试切分——把未来泄漏到过去。永远用时间顺序切分
• 在测试集上调超参——"样本外"的意义就没了
• 特征里的幸存者和前视偏差——悄悄抬高结果
• 把机器学习当黑箱——解释不了为什么有效，就预测不到它何时失效

小结

机器学习是工具，不是策略。它在特征发现、排名、风险建模上闪光——在被要求从薄信号里预测原始价格时失败。把每个模型当假设：仔细训练，带现实成本样本外测试，生产环境里像老鹰一样盯着。市场才不在乎你的模型训练准确率 99%。