行为
0001-终止项目声明 » 历史记录 » 修订 2
« 上一页 |
修订 2/3
(差异)
| 下一页 »
Huarui Lin, 2026-04-29 10:50
0001-终止项目声明¶
耗时16天☀️
每天12+小时⏱️
18781行代码🖥️
可行性验证失败❌
得推倒重来换个思路了🤔
参考日志¶
==========================================================================================
路径 1 验证: 新特征 OOS 信号检测 — 主流模型 (训练截至 2022 年)
==========================================================================================
──────────────────────────────────────────────────────────────────────
Phase 1: 加载数据
──────────────────────────────────────────────────────────────────────
原始行数: 2712052
──────────────────────────────────────────────────────────────────────
Phase 2: 计算新特征
──────────────────────────────────────────────────────────────────────
[特征工程] 计算 Delta (变化率) 特征...
[特征工程] 计算截面均值 (市场状态代理变量)...
[特征工程] 计算风险调整特征...
[特征工程] 计算截面排名百分位...
[特征工程] 计算交互特征...
原始有效特征: 24
新增特征总计: 20
Delta (变化率): 9
风险调整: 4
截面排名百分位: 4
交互 (特征x市场状态): 3
──────────────────────────────────────────────────────────────────────
Phase 3: 分割 & 标准化
──────────────────────────────────────────────────────────────────────
Z-Score 标准化: 40 个特征...
──────────────────────────────────────────────────────────────────────
Phase 4: 新特征 OOS 截面 Spearman 诊断 (理论天花板)
──────────────────────────────────────────────────────────────────────
[Delta (变化率)] (9 个)
特征 OOS Spearman 正向比例 截面数 判定
──────────────────────────────────────────────────────────────────────────────
delta_dca_win_rate_26w 0.0006 50.6% 79 ❌
delta_max_drawdown_26w 0.0000 50.0% 78 ❌
delta_momentum_12w -0.0009 46.8% 79 ❌
delta_momentum_26w -0.0037 47.4% 78 ❌
delta_momentum_4w -0.0026 44.3% 79 ❌
delta_rolling_sharpe_26w -0.0034 46.2% 78 ❌
delta_rolling_sortino_26w -0.0002 50.0% 78 ❌
delta_rolling_std_26w -0.0018 46.2% 78 ❌
delta_weekly_return -0.0012 43.0% 79 ❌
[风险调整] (4 个)
特征 OOS Spearman 正向比例 截面数 判定
──────────────────────────────────────────────────────────────────────────────
momentum_to_dvol 0.0002 50.6% 79 ❌
return_to_drawdown -0.0001 49.4% 79 ❌
risk_adj_mom_12w -0.0011 48.1% 79 ❌
risk_adj_mom_26w 0.0005 51.9% 79 ❌
[截面排名百分位] (4 个)
特征 OOS Spearman 正向比例 截面数 判定
──────────────────────────────────────────────────────────────────────────────
cs_rank_max_drawdown_26w -0.0009 48.1% 79 ❌
cs_rank_momentum_12w -0.0003 49.4% 79 ❌
cs_rank_rolling_sharpe_26w -0.0007 46.8% 79 ❌
cs_rank_rolling_std_26w -0.0051 43.0% 79 ❌
[交互 (特征x市场状态)] (3 个)
特征 OOS Spearman 正向比例 截面数 判定
──────────────────────────────────────────────────────────────────────────────
dd_x_market_dd 0.0009 51.9% 79 ❌
mom_x_market_mom 0.0038 55.7% 79 ❌
vol_x_market_vol 0.0051 57.0% 79 ❌
[旧特征对照] (精选 6 个)
特征 OOS Spearman 正向比例 截面数 判定
──────────────────────────────────────────────────────────────────────────────
momentum_12w 0.0003 50.6% 79 ❌
momentum_26w -0.0006 48.1% 79 ❌
rolling_std_26w 0.0051 57.0% 79 ❌
max_drawdown_26w 0.0009 51.9% 79 ❌
rolling_sharpe_26w 0.0007 53.2% 79 ❌
weekly_return -0.0025 39.2% 79 ❌
──────────────────────────────────────────────────────────────────────
Phase 5: 三组对比回测
──────────────────────────────────────────────────────────────────────
[A: 仅旧特征] 训练: n=662969, 截面=549, 特征=24
[A: 仅旧特征 (24 个)]
年份 Spearman HitRate BaseRate Lift n截面
2023 -0.0024 8.95% 9.00% -0.05% 26
2024 0.0015 59.55% 59.18% +0.37% 27
2025 0.0054 96.52% 96.42% +0.11% 26
总体 0.0015 55.01% 54.87% +0.14%
[B: 仅新特征] 训练: n=662969, 截面=549, 特征=20
[B: 仅新特征 (20 个)]
年份 Spearman HitRate BaseRate Lift n截面
2023 0.0020 8.80% 9.00% -0.20% 26
2024 0.0037 59.36% 59.18% +0.18% 27
2025 0.0051 96.57% 96.42% +0.15% 26
总体 0.0036 54.91% 54.87% +0.04%
[C: 旧+新] 训练: n=662969, 截面=549, 特征=44
[C: 旧 + 新 (44 个)]
年份 Spearman HitRate BaseRate Lift n截面
2023 0.0030 8.81% 9.00% -0.20% 26
2024 0.0053 59.73% 59.18% +0.55% 27
2025 0.0007 96.67% 96.42% +0.26% 26
总体 0.0030 55.07% 54.87% +0.20%
──────────────────────────────────────────────────────────────────────
Phase 6: Combined 模型特征重要性 Top 20
──────────────────────────────────────────────────────────────────────
# 特征名 Gain 来源 柱状图
─────────────────────────────────────────────────────────────────────────────────────
1 delta_momentum_12w 731.9 新 ██████████████████████████████
2 weekly_return 472.6 旧 ███████████████████
3 delta_weekly_return 470.2 新 ███████████████████
4 dca_return_vol_26w 469.9 旧 ███████████████████
5 cs_rank_rolling_std_26w 462.4 新 ██████████████████
6 delta_max_drawdown_26w 453.4 新 ██████████████████
7 trend_r_squared_26w 445.1 旧 ██████████████████
8 delta_rolling_sharpe_26w 406.6 新 ████████████████
9 cs_rank_rolling_sharpe_26w 404.9 新 ████████████████
10 return_to_drawdown 391.8 新 ████████████████
11 delta_rolling_sortino_26w 368.4 新 ███████████████
12 cs_rank_momentum_12w 359.1 新 ██████████████
13 dca_win_rate_52w 353.8 旧 ██████████████
14 cs_rank_max_drawdown_26w 315.7 新 ████████████
15 momentum_4w 310.6 旧 ████████████
16 price_vs_ma_ratio_ewm_52w 291.9 旧 ███████████
17 delta_momentum_4w 288.5 新 ███████████
18 delta_momentum_26w 282.1 新 ███████████
19 delta_rolling_std_26w 278.1 新 ███████████
20 rolling_std_12w 261.0 旧 ██████████
新特征 Gain 占比: 56.0% | 旧特征 Gain 占比: 44.0%
==========================================================================================
综合评估
==========================================================================================
模型 平均Spearman 平均Lift
────────────────────────────────────────────────────────
A: 仅旧特征 0.0015 +0.14%
B: 仅新特征 0.0036 +0.04%
C: 旧 + 新 0.0030 +0.20%
新特征 Spearman 变化: +0.0015
────────────────────────────────────────────────────────
❌ 所有新特征 OOS Spearman ≈ 0, 未能提取额外信号
从纯量价技术特征出发, 无法在 2023-2025 产生截面排序能力
📋 建议: 放弃路径 1 (特征变换), 转向路径 2 (新数据源: 基本面/持仓)
解读¶
路径 1 宣告失败，但这个"失败"本身是有极高价值的情报。
数据铁证：逐行解读¶
1. 20 个新特征全部为零信号¶
Delta 组: 最强 0.0006 正向比例 ≈ 50% ← 纯硬币
风险调整组: 最强 0.0005 正向比例 ≈ 50% ← 纯硬币
截面排名组: 最强 -0.0003 正向比例 ≈ 49% ← 纯硬币
交互组: 最强 0.0051 正向比例 ≈ 57% ← 最接近有信号，但仍是噪声
交互组 vol_x_market_vol = 0.0051 是全场最高，但回顾旧特征 rolling_std_26w = 0.0051，数值完全相同。这说明交互项没有产生新信息，只是原始波动率特征的另一种表达。
2. 三组回测对照¶
A: 仅旧特征 (24个) Spearman 0.0015 Lift +0.14%
B: 仅新特征 (20个) Spearman 0.0036 Lift +0.04%
C: 旧+新 (44个) Spearman 0.0030 Lift +0.20%
从 24 个加到 44 个特征，Spearman 从 0.0015 → 0.0030。这个"提升"在统计上完全不显著（bootstrap 置信区间大概率重叠）。0.3% 的 Lift 改善在 96% 基准命中率面前毫无意义。
3. 最关键的矛盾：训练信号 vs OOS 噪声¶
新特征 Gain 占比: 56.0% ← 模型在训练集上"认为"新特征超重要
新特征 OOS 贡献: ≈ 0 ← 测试集上零贡献
这是教科书级的过拟合。LightGBM 学到了训练集中 Delta/Rank 特征的虚假模式（2002-2022 年回看窗口的技术面规律），但 2023-2025 年市场已经不遵循这些规律了。
为什么会这样：一句话总结¶
你的全部 44 个特征（旧 24 + 新 20），本质上都是同一维度的信息——过去 N 周的量价统计量。对同一维度的信息做任意数学变换（差分、比值、排名、交互），无法凭空创造出新维度的信息。
这就好比你只有一把尺子，无论你量出的是长度、长度的平方、长度的倒数、还是长度与平均长度的乘积——你仍然只有一把尺子。
你缺少的是第二把尺子：基金的基本面信息（持仓、规模、换手、风格暴露）。
本轮排查成果汇总¶
虽然结果是"失败"，但我们用数据回答了 5 个关键问题：
| # | 问题 | 答案 | 依据 |
|---|---|---|---|
| 1 | 模型代码有 Bug 吗？ | 没有 | 多种训练方式（LambdaRank/Regression）一致 |
| 2 | 特征有标签泄漏吗？ | 有（已清除 14 个） | Spearman 0.58 → 清除后归零 |
| 3 | 相对标签有帮助吗？ | 没有 | Spearman 数学不变性 + 24/24 特征零信号 |
| 4 | 特征变换能创造新信号吗？ | 不能 | 20 个新特征全部 OOS ≈ 0 |
| 5 | 根因是什么？ | 信息维度单一 | 仅量价统计，缺少基本面/风格/持仓维度 |
由 Huarui Lin 更新于 5 个月 之前 · 2 修订