0001-终止项目声明 » 历史记录 » 修订 2
修订 1 (Huarui Lin, 2026-04-29 10:45) → 修订 2/3 (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 |