0001-终止项目声明 » 历史记录 » 版本 3
Huarui Lin, 2026-04-29 10:50
| 1 | 1 | Huarui Lin | # 0001-终止项目声明 |
|---|---|---|---|
| 2 | |||
| 3 | --- |
||
| 4 | |||
| 5 | 耗时16天☀️ |
||
| 6 | 每天12+小时⏱️ |
||
| 7 | 18781行代码🖥️ |
||
| 8 | 可行性验证失败❌ |
||
| 9 | 得推倒重来换个思路了🤔 |
||
| 10 | |||
| 11 | |||
| 12 | --- |
||
| 13 | ## 参考日志 |
||
| 14 | 2 | Huarui Lin | ``` |
| 15 | 1 | Huarui Lin | ========================================================================================== |
| 16 | 路径 1 验证: 新特征 OOS 信号检测 — 主流模型 (训练截至 2022 年) |
||
| 17 | ========================================================================================== |
||
| 18 | |||
| 19 | ────────────────────────────────────────────────────────────────────── |
||
| 20 | Phase 1: 加载数据 |
||
| 21 | ────────────────────────────────────────────────────────────────────── |
||
| 22 | 原始行数: 2712052 |
||
| 23 | |||
| 24 | ────────────────────────────────────────────────────────────────────── |
||
| 25 | Phase 2: 计算新特征 |
||
| 26 | ────────────────────────────────────────────────────────────────────── |
||
| 27 | [特征工程] 计算 Delta (变化率) 特征... |
||
| 28 | [特征工程] 计算截面均值 (市场状态代理变量)... |
||
| 29 | [特征工程] 计算风险调整特征... |
||
| 30 | [特征工程] 计算截面排名百分位... |
||
| 31 | [特征工程] 计算交互特征... |
||
| 32 | |||
| 33 | 原始有效特征: 24 |
||
| 34 | 新增特征总计: 20 |
||
| 35 | Delta (变化率): 9 |
||
| 36 | 风险调整: 4 |
||
| 37 | 截面排名百分位: 4 |
||
| 38 | 交互 (特征x市场状态): 3 |
||
| 39 | |||
| 40 | ────────────────────────────────────────────────────────────────────── |
||
| 41 | Phase 3: 分割 & 标准化 |
||
| 42 | ────────────────────────────────────────────────────────────────────── |
||
| 43 | Z-Score 标准化: 40 个特征... |
||
| 44 | |||
| 45 | ────────────────────────────────────────────────────────────────────── |
||
| 46 | Phase 4: 新特征 OOS 截面 Spearman 诊断 (理论天花板) |
||
| 47 | ────────────────────────────────────────────────────────────────────── |
||
| 48 | |||
| 49 | [Delta (变化率)] (9 个) |
||
| 50 | 特征 OOS Spearman 正向比例 截面数 判定 |
||
| 51 | ────────────────────────────────────────────────────────────────────────────── |
||
| 52 | delta_dca_win_rate_26w 0.0006 50.6% 79 ❌ |
||
| 53 | delta_max_drawdown_26w 0.0000 50.0% 78 ❌ |
||
| 54 | delta_momentum_12w -0.0009 46.8% 79 ❌ |
||
| 55 | delta_momentum_26w -0.0037 47.4% 78 ❌ |
||
| 56 | delta_momentum_4w -0.0026 44.3% 79 ❌ |
||
| 57 | delta_rolling_sharpe_26w -0.0034 46.2% 78 ❌ |
||
| 58 | delta_rolling_sortino_26w -0.0002 50.0% 78 ❌ |
||
| 59 | delta_rolling_std_26w -0.0018 46.2% 78 ❌ |
||
| 60 | delta_weekly_return -0.0012 43.0% 79 ❌ |
||
| 61 | |||
| 62 | [风险调整] (4 个) |
||
| 63 | 特征 OOS Spearman 正向比例 截面数 判定 |
||
| 64 | ────────────────────────────────────────────────────────────────────────────── |
||
| 65 | momentum_to_dvol 0.0002 50.6% 79 ❌ |
||
| 66 | return_to_drawdown -0.0001 49.4% 79 ❌ |
||
| 67 | risk_adj_mom_12w -0.0011 48.1% 79 ❌ |
||
| 68 | risk_adj_mom_26w 0.0005 51.9% 79 ❌ |
||
| 69 | |||
| 70 | [截面排名百分位] (4 个) |
||
| 71 | 特征 OOS Spearman 正向比例 截面数 判定 |
||
| 72 | ────────────────────────────────────────────────────────────────────────────── |
||
| 73 | cs_rank_max_drawdown_26w -0.0009 48.1% 79 ❌ |
||
| 74 | cs_rank_momentum_12w -0.0003 49.4% 79 ❌ |
||
| 75 | cs_rank_rolling_sharpe_26w -0.0007 46.8% 79 ❌ |
||
| 76 | cs_rank_rolling_std_26w -0.0051 43.0% 79 ❌ |
||
| 77 | |||
| 78 | [交互 (特征x市场状态)] (3 个) |
||
| 79 | 特征 OOS Spearman 正向比例 截面数 判定 |
||
| 80 | ────────────────────────────────────────────────────────────────────────────── |
||
| 81 | dd_x_market_dd 0.0009 51.9% 79 ❌ |
||
| 82 | mom_x_market_mom 0.0038 55.7% 79 ❌ |
||
| 83 | vol_x_market_vol 0.0051 57.0% 79 ❌ |
||
| 84 | |||
| 85 | [旧特征对照] (精选 6 个) |
||
| 86 | 特征 OOS Spearman 正向比例 截面数 判定 |
||
| 87 | ────────────────────────────────────────────────────────────────────────────── |
||
| 88 | momentum_12w 0.0003 50.6% 79 ❌ |
||
| 89 | momentum_26w -0.0006 48.1% 79 ❌ |
||
| 90 | rolling_std_26w 0.0051 57.0% 79 ❌ |
||
| 91 | max_drawdown_26w 0.0009 51.9% 79 ❌ |
||
| 92 | rolling_sharpe_26w 0.0007 53.2% 79 ❌ |
||
| 93 | weekly_return -0.0025 39.2% 79 ❌ |
||
| 94 | |||
| 95 | ────────────────────────────────────────────────────────────────────── |
||
| 96 | Phase 5: 三组对比回测 |
||
| 97 | ────────────────────────────────────────────────────────────────────── |
||
| 98 | [A: 仅旧特征] 训练: n=662969, 截面=549, 特征=24 |
||
| 99 | |||
| 100 | [A: 仅旧特征 (24 个)] |
||
| 101 | 年份 Spearman HitRate BaseRate Lift n截面 |
||
| 102 | 2023 -0.0024 8.95% 9.00% -0.05% 26 |
||
| 103 | 2024 0.0015 59.55% 59.18% +0.37% 27 |
||
| 104 | 2025 0.0054 96.52% 96.42% +0.11% 26 |
||
| 105 | 总体 0.0015 55.01% 54.87% +0.14% |
||
| 106 | [B: 仅新特征] 训练: n=662969, 截面=549, 特征=20 |
||
| 107 | |||
| 108 | [B: 仅新特征 (20 个)] |
||
| 109 | 年份 Spearman HitRate BaseRate Lift n截面 |
||
| 110 | 2023 0.0020 8.80% 9.00% -0.20% 26 |
||
| 111 | 2024 0.0037 59.36% 59.18% +0.18% 27 |
||
| 112 | 2025 0.0051 96.57% 96.42% +0.15% 26 |
||
| 113 | 总体 0.0036 54.91% 54.87% +0.04% |
||
| 114 | [C: 旧+新] 训练: n=662969, 截面=549, 特征=44 |
||
| 115 | |||
| 116 | [C: 旧 + 新 (44 个)] |
||
| 117 | 年份 Spearman HitRate BaseRate Lift n截面 |
||
| 118 | 2023 0.0030 8.81% 9.00% -0.20% 26 |
||
| 119 | 2024 0.0053 59.73% 59.18% +0.55% 27 |
||
| 120 | 2025 0.0007 96.67% 96.42% +0.26% 26 |
||
| 121 | 总体 0.0030 55.07% 54.87% +0.20% |
||
| 122 | |||
| 123 | ────────────────────────────────────────────────────────────────────── |
||
| 124 | Phase 6: Combined 模型特征重要性 Top 20 |
||
| 125 | ────────────────────────────────────────────────────────────────────── |
||
| 126 | |||
| 127 | # 特征名 Gain 来源 柱状图 |
||
| 128 | ───────────────────────────────────────────────────────────────────────────────────── |
||
| 129 | 1 delta_momentum_12w 731.9 新 ██████████████████████████████ |
||
| 130 | 2 weekly_return 472.6 旧 ███████████████████ |
||
| 131 | 3 delta_weekly_return 470.2 新 ███████████████████ |
||
| 132 | 4 dca_return_vol_26w 469.9 旧 ███████████████████ |
||
| 133 | 5 cs_rank_rolling_std_26w 462.4 新 ██████████████████ |
||
| 134 | 6 delta_max_drawdown_26w 453.4 新 ██████████████████ |
||
| 135 | 7 trend_r_squared_26w 445.1 旧 ██████████████████ |
||
| 136 | 8 delta_rolling_sharpe_26w 406.6 新 ████████████████ |
||
| 137 | 9 cs_rank_rolling_sharpe_26w 404.9 新 ████████████████ |
||
| 138 | 10 return_to_drawdown 391.8 新 ████████████████ |
||
| 139 | 11 delta_rolling_sortino_26w 368.4 新 ███████████████ |
||
| 140 | 12 cs_rank_momentum_12w 359.1 新 ██████████████ |
||
| 141 | 13 dca_win_rate_52w 353.8 旧 ██████████████ |
||
| 142 | 14 cs_rank_max_drawdown_26w 315.7 新 ████████████ |
||
| 143 | 15 momentum_4w 310.6 旧 ████████████ |
||
| 144 | 16 price_vs_ma_ratio_ewm_52w 291.9 旧 ███████████ |
||
| 145 | 17 delta_momentum_4w 288.5 新 ███████████ |
||
| 146 | 18 delta_momentum_26w 282.1 新 ███████████ |
||
| 147 | 19 delta_rolling_std_26w 278.1 新 ███████████ |
||
| 148 | 20 rolling_std_12w 261.0 旧 ██████████ |
||
| 149 | |||
| 150 | 新特征 Gain 占比: 56.0% | 旧特征 Gain 占比: 44.0% |
||
| 151 | |||
| 152 | ========================================================================================== |
||
| 153 | 综合评估 |
||
| 154 | ========================================================================================== |
||
| 155 | |||
| 156 | 模型 平均Spearman 平均Lift |
||
| 157 | ──────────────────────────────────────────────────────── |
||
| 158 | A: 仅旧特征 0.0015 +0.14% |
||
| 159 | B: 仅新特征 0.0036 +0.04% |
||
| 160 | C: 旧 + 新 0.0030 +0.20% |
||
| 161 | |||
| 162 | 新特征 Spearman 变化: +0.0015 |
||
| 163 | ──────────────────────────────────────────────────────── |
||
| 164 | ❌ 所有新特征 OOS Spearman ≈ 0, 未能提取额外信号 |
||
| 165 | 从纯量价技术特征出发, 无法在 2023-2025 产生截面排序能力 |
||
| 166 | 📋 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) |
||
| 167 | 2 | Huarui Lin | ``` |
| 168 | |||
| 169 | ## 解读 |
||
| 170 | |||
| 171 | **路径 1 宣告失败，但这个"失败"本身是有极高价值的情报。** |
||
| 172 | |||
| 173 | --- |
||
| 174 | ## 数据铁证：逐行解读 |
||
| 175 | |||
| 176 | ### 1. 20 个新特征全部为零信号 |
||
| 177 | |||
| 178 | ``` |
||
| 179 | Delta 组: 最强 0.0006 正向比例 ≈ 50% ← 纯硬币 |
||
| 180 | 风险调整组: 最强 0.0005 正向比例 ≈ 50% ← 纯硬币 |
||
| 181 | 截面排名组: 最强 -0.0003 正向比例 ≈ 49% ← 纯硬币 |
||
| 182 | 交互组: 最强 0.0051 正向比例 ≈ 57% ← 最接近有信号，但仍是噪声 |
||
| 183 | ``` |
||
| 184 | 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。 |
||
| 185 | |||
| 186 | ### 2. 三组回测对照 |
||
| 187 | |||
| 188 | ``` |
||
| 189 | A: 仅旧特征 (24个) Spearman 0.0015 Lift +0.14% |
||
| 190 | B: 仅新特征 (20个) Spearman 0.0036 Lift +0.04% |
||
| 191 | C: 旧+新 (44个) Spearman 0.0030 Lift +0.20% |
||
| 192 | ``` |
||
| 193 | 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。 |
||
| 194 | |||
| 195 | ### 3. 最关键的矛盾：训练信号 vs OOS 噪声 |
||
| 196 | |||
| 197 | ``` |
||
| 198 | 新特征 Gain 占比: 56.0% ← 模型在训练集上"认为"新特征超重要 |
||
| 199 | 新特征 OOS 贡献: ≈ 0 ← 测试集上零贡献 |
||
| 200 | ``` |
||
| 201 | 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。 |
||
| 202 | |||
| 203 | --- |
||
| 204 | 3 | Huarui Lin | |
| 205 | 2 | Huarui Lin | ## 为什么会这样：一句话总结 |
| 206 | |||
| 207 | > **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。** |
||
| 208 | 3 | Huarui Lin | |
| 209 | 2 | Huarui Lin | 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。 |
| 210 | 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）。 |
||
| 211 | |||
| 212 | --- |
||
| 213 | 3 | Huarui Lin | |
| 214 | 2 | Huarui Lin | ## 本轮排查成果汇总 |
| 215 | 虽然结果是"失败"，但我们用数据回答了 5 个关键问题： |
||
| 216 | | # | 问题 | 答案 | 依据 | |
||
| 217 | |---|---|---|---| |
||
| 218 | | 1 | 模型代码有 Bug 吗？ | 没有 | 多种训练方式（LambdaRank/Regression）一致 | |
||
| 219 | | 2 | 特征有标签泄漏吗？ | 有（已清除 14 个） | Spearman 0.58 → 清除后归零 | |
||
| 220 | | 3 | 相对标签有帮助吗？ | 没有 | Spearman 数学不变性 + 24/24 特征零信号 | |
||
| 221 | | 4 | 特征变换能创造新信号吗？ | 不能 | 20 个新特征全部 OOS ≈ 0 | |
||
| 222 | | 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 | |