第二部分（上）：ML 工作流的骨架（第 6~8 章）

第 6 章：机器学习流程（金融特供版）#

标准内容（监督/无监督、偏差-方差权衡、sklearn Pipeline）任何 ML 书都有，这章的金融特供价值在交叉验证：

• 金融数据禁止随机打乱：样本有时间顺序，随机 K 折会让模型”用未来验证过去”，分数虚高——必须用时间序列拆分（训练集永远早于验证集）；
• 泄漏无处不在：特征里混进未来信息（用当天收盘价算的因子去预测当天收益）、标准化时用全样本均值——每一种都能造出回测神话；
• 更严格的 Purged K-Fold（清除重叠样本）在《金融机器学习》里展开，两本书在这里握手。

对照平台：research/dataset.py 计算前向收益时因子值与收益错开一天，就是在源头掐断泄漏——读这章你会明白那行代码为什么神圣。

第 7 章：线性模型——所有炫模型的及格线#

从因子模型传统讲到收益预测：OLS 的假设与诊断、岭回归/Lasso 正则化、逻辑回归做涨跌方向分类，以及学术界标配的 Fama-MacBeth 回归（先截面后时序，估计因子风险溢价）。

这章最重要的不是技术，是态度：线性模型是基准。信噪比这么低的数据上，非线性模型的花哨容量大多用来拟合噪声——任何深度模型上场前，先让它跑赢岭回归，跑不赢就别浪费算力。这也是给平台加模型层的推荐路径：第一版就用线性回归把多个因子合成一个打分，能跑通、能解释、不易过拟合。

第 8 章：ML4T 工作流——从模型到策略回测（必精读）#

模型给出预测只是半成品，这章讲怎么把预测变成可回测的策略，并系统盘点回测陷阱：

• 前视偏差：信号必须只用决策时点之前的信息——对应平台回测引擎”用前一日收盘决定持仓、当日结算收益”的铁律；
• 幸存者偏差：用今天还活着的股票池回测历史，收益自动虚高（A 股退市少但 ST/停牌同理）；
• 过拟合回测：调参调到回测好看为止，等于把回测集用成了训练集——夏普该打几折，AFML 给出了公式；
• 工具层面介绍 backtrader 与 zipline 的事件驱动框架。平台的向量化回测引擎更简单，但陷阱清单完全共用。

索引提示#

zipline 在国内数据源上水土不服，不必强行安装；读第 8 章时把”工具操作”跳过、把”陷阱清单”精读，性价比最高。

本页带走的三句话#

1. 金融交叉验证禁止随机打乱：训练集必须永远早于验证集，泄漏是回测神话的头号来源；
2. 线性模型是及格线——炫模型先跑赢岭回归再说话；
3. 预测变策略的每一步都埋着前视/幸存者/过拟合三颗雷，平台回测引擎的 shift 纪律就是排雷动作。