机器学习做交易的坑：具体的失败模式

研究阶段看着不错的 ML（机器学习）交易模型，到了实盘多数会挂，原因都逃不出可预测的几类。这些失败并不玄乎——就是同样五个模式反复出现。用数字阈值把它们识别出来，你就能在资金遭殃之前发现问题。

坑 1：标签泄露

最常见的杀手。例子：在 t 时刻计算的特征里用了 close[-1]、用整段序列的均值做归一化、或者把由目标衍生出来的东西当成特征。症状：样本外 Sharpe 3+，实盘却接近零。测试：2018–2021 训练，2022 测试。如果测试 Sharpe 比训练高出 30% 以上，怀疑泄露，别怀疑自己的水平。

坑 2：随机交叉验证

随机 k-fold 切分会把未来混进训练集。一个预测 2022 时"已经见过" 2023 的模型，毫无价值。修法：用 TimeSeriesSplit，purged gap（清洗间隔）至少等于持仓周期加 5 根 K 线。持仓 5 天的策略，gap 至少 10 根。

坑 3：在测试集上调超参

你试了 200 组超参，挑了测试集上最好的那组——测试集就成了训练集。Deflated Sharpe Ratio（通胀调整夏普比率）就是纠正这个的：试了 N 次，声称显著的 Sharpe 阈值大约按 √(2·ln(N)) 上升。试 200 次之后，你要 Sharpe > 2.5 才算数，不是 1.0。

坑 4：环境衰退

一个在 2010–2019 低波动股市上训练的梯度提升模型，到 2020 就崩了。实盘里监控滚动 60 天 Sharpe；连续两个月低于 0.3 就让模型下线。在滚动窗口上重训只在环境持续时有用——环境切换期重训，等于给错的环境标定了一个模型。

坑 5：特征不稳定

训练里重要性高、但在 walk-forward 各折之间重要性方差很大的特征，不稳健。每折单独算一次特征重要性；排名在各折之间波动超过 5 位的特征，扔掉。稳定的模型需要稳定的特征。

具体的诊断数字

• 训练/测试 Sharpe 差距 > 1.5 倍 → 过拟合或泄露
• Walk-forward 各折 Sharpe 标准差 > 0.8 → edge 不稳定
• 100 笔之后实盘 Sharpe 低于回测 Sharpe 的 50% → 模型坏了，不是运气差
• 特征与目标相关性 > 0.9 → 几乎可以确定是泄露

什么时候 ML 是错的工具

标注样本少于 500、数据不到 3 年、或者你的 edge 是已知的经济关系，就别上 ML。小数据上，一个趋势过滤器加一条风控规则就能干翻深度模型，而且你看得懂它为什么有效——这意味着你知道它什么时候会失效。

纪律不是"加上 ML"，而是"在数据、验证、监控都到位之前，拒绝 ML"。