模型把涨跌预测准确率刷到 62%回测曲线漂亮得跟画出来似的结果一挂到模拟盘上手续费加滑点直接把这个优势吃干抹净——这种场面我这些年见过太多次了。这次我干脆把家里压箱底的四种深度学习架构全搬出来做了一次横向评测Transformer、LSTM、TCN还有一个很多人瞧不上的 MLP全都放在同一批高频股票数据上跑。起因很朴素就是我想把预测赢和交易赢这两件事之间到底差多少用数字掰开揉碎看清楚。这篇内容适合两类人一类是已经能跑通深度学习模型、开始琢磨怎么落到交易上的工程师另一类是被Transformer 什么都赢这种说法带偏过、想看看真实数据里到底谁强的量化爱好者。我不打算给你灌鸡汤只把实验设置、指标口径、成本模型和踩过的坑一条条摊开讲你要复现的话基本可以照着作业抄但结论你得自己判断——因为高频这块技巧性远比模型结构的花哨程度重要。1. 预测赢和交易赢之间的鸿沟其实是三道可量化的损耗很多人第一次做量化模型脑子里默认一条逻辑链模型预测准 → 信号可信 → 按信号交易 → 赚钱。这条链子每一个箭头都是断裂的而且断得比想象中干脆。我在这轮实验里最想干的一件事就是把这条链子拆成可测量的几个环节看看到底是哪一步把收益吃没了。1.1 评估指标错位MSE 下降不等于盈亏改善训练时我们盯的是损失函数分类任务盯的是准确率、AUC回归任务盯的是 MSE、MAE。这些指标有个共同特点它们只关心预测值离真实值有多近完全不关心方向对不对、更不关心这个预测能不能覆盖交易成本。我做过一个极端的对照实验把一个模型的目标从预测下一分钟收益率改成预测涨跌方向MSE 那套指标没法比了但换成三分类的准确率之后两版的交易绩效差异巨大。原因很简单收益率回归会让模型去拟合那些幅度的细节而高频里绝大部分分钟的收益幅度都在噪声区间里模型学了半天学到的其实是下一秒大概不动这个没用的先验。换句话说MSE 是一个连续量指标它会被大量接近零的样本主导而交易只在乎这一秒我该不该下手、下手之后能不能把成本赚回来。这两个目标之间隔着一整套经济学约束。我后来习惯在训练里直接塞一个带成本的方向性损失虽然数学上没那么优雅但它把交易成本提前编码进了优化目标出来的信号至少不会像纯 MSE 训练那样对微小波动过度反应。1.2 从信号到成交成本、延迟、滑点的三重侵蚀预测准确率是理论值成交是现实值中间夹着三层损耗。第一层是显性成本也就是手续费和印花税这类固定比例第二层是延迟你从数据落地、特征计算、模型推理到下单指令发出这条链路在真实环境里至少几十毫秒起步第三层是滑点也就是你看到的价格和你实际成交价格之间的差。高频场景下这三层叠起来能吃掉一个看起来还不错的信号大半的边际收益。我举个具体数字方便你建立直觉。假设你的信号预测下一秒收益为正的概率是 55%看起来优势不大但确实大于随机如果下一秒的期望收益幅度只有万分之三而单边成本加起来是万分之二点五那你这一次交易的净期望是万分之三乘零点五五减去成本相关的期望扣完基本就不剩什么了。这就是为什么很多高频策略的预测准确率并不需要高到 70%、80%但成本模型必须抠得极其精细。反过来如果你把成本忽略了任何模型回测起来都好看得不行这恰恰是最危险的假象。1.3 非平稳性高频数据背负的时效性债务低频策略可以容忍模型半年更新一次高频不行。市场微结构天天在变参与者的构成、订单簿的形态、同一种订单流模式在不同时段的含义都不一样。我拿同一个 Transformer 模型用训练集拟合完之后直接在后面连续几个月的数据上滚动评估发现它的预测准确率是随时间缓慢衰减的而且衰减不是线性的会在某些市场状态切换的节点上突然掉一档。这就意味着你就算在某一个时间段里赢麻了也不能把那个成绩当成模型的长期能力。应对这件事没有银弹我的做法是缩短训练窗口、提高重训频率并且给模型加一个数据新鲜度的衰减权重让靠近当前时间的样本在损失里占更大比重。这相当于承认模型是有保质期的与其幻想一个一劳永逸的结构不如老老实实接受非平稳性把它当成工程问题而不是建模问题去解。2. 为什么最后选的是 Transformer、LSTM、TCN 和 MLP 这四种架构选这四个不是为了凑数它们分别代表四种截然不同的建模思路注意力、递归、卷积、纯前馈。我想看看在高频这种又短又噪的序列上不同的归纳偏置到底会带来多大差别。下面我把每种架构的取舍逻辑讲清楚顺带解释为什么我在实现时做了那些看起来不主流的改动。2.1 Transformer注意力机制在高频序列上的真正优势在哪里Transformer 的核心是自注意力它天然能建模任意两个时间步之间的直接依赖不受序列长度上的顺序约束。放到股票序列上它的优势理论上在于能捕捉那种今天某个形态和几十步之前的某个状态有联动的长程关系。但高频数据的现实是序列很短我用的是一百多步的分钟级窗口而且大部分信息集中在最近几步长程依赖的实际价值被大幅压缩。这就是标题里那句Transformer 赢在预测的来源——在纯预测任务上也就是比 MSE、比方向准确率的时候它在四种架构里确实是排前面的。但你要明白它为什么赢不是因为它更懂市场而是因为它表达能力更强、更容易记住训练集里的复杂模式。这个能力强到什么程度呢我在消融实验里把自注意力层的一部分头随机冻结之后预测指标只掉了很小一点反而样本外表现更稳了。这说明模型在很多头上学的其实是噪声属于典型的能力过剩。所以我在最终版里给它加了比较强的 dropout 和权重衰减并且砍掉了半数的注意力头用一个偏小的 Transformer 去跑。2.2 LSTM递归结构对局部时序依赖的直觉LSTM 是我最早接触的序列模型它的门控机制让它在处理局部时序依赖时非常自然。高频股票序列的一个重要特征是近因效应特别强越是靠近当前的步信息权重越高。LSTM 的递归结构天然符合这个先验它不需要你把窗口里所有位置一视同仁而是通过隐状态一路传递和遗忘。我在实验里发现LSTM 在短窗口比如五十步以内上的表现和 Transformer 咬得很紧训练还更稳、更快收敛。但 LSTM 的短板也很明显它没法并行计算序列一长训练就慢而且它的长程记忆能力在高噪声下很容易被冲淡门控被噪声带着乱开乱关。更实际的问题是延迟——推理时你得一步步算这对高频部署是个不大不小的负担。我最后把 LSTM 当成一个稳定的对照组它未必能赢但它很少给你惊吓这个特质在实际生产里其实很值钱。2.3 TCN膨胀因果卷积为什么在低延迟场景常常比 RNN 更稳TCN 用的是因果卷积加膨胀能保证不看未来、又能通过膨胀系数扩大感受野。它有几个我特别喜欢的性质可以并行训练、推理延迟固定、感受野可控。在高频这种对延迟敏感的场合TCN 的固定延迟是非常诱人的优势。我用它的时候把卷积核大小和膨胀系数按 1、2、4、8 这样一层层堆上去感受野覆盖到窗口长度就可以了。实测下来 TCN 的一个惊喜是它的样本外稳定性普遍好于 LSTM 和 Transformer。我猜原因是卷积本身带有一种类似局部平滑的效应它对高频噪声的敏感度更低相当于自带了轻量级的降噪。代价是它捕捉非常规整的长程结构时不如注意力灵活但对于高频这种以短程模式为主的数据这个代价可以接受。如果你对部署延迟和稳定性看得比极限精度更重TCN 值得你优先试。2.4 MLP别小看这个笨基线它经常打得过花哨模型我把 MLP 放进来是因为我吃过太多次亏——费劲调一个复杂模型最后发现一个参数调好的多层感知机性能差不多还快得多、稳得多。高频的特征本身经过构造之后很多有效信息已经被压缩成了少数几个维度这种情况下一个深层 MLP 完全有能力把非线性关系学出来。我用的 MLP 是三到四层、每层带激活和 dropout输入是打平之后的窗口特征。结果有意思在纯预测指标上它垫底但差距并不大到了交易绩效上它反而因为信号相对更平滑、换手更低某些口径下不输甚至超过了 Transformer。这件事给我的教训是基线不是走过场用的它是用来暴露你的复杂模型到底带来了多少真实增量的标尺。如果没有 MLP 做参照你很可能会把本属于特征工程的功劳全记到结构复杂度头上。架构归纳偏置训练可并行推理延迟高频适配直觉Transformer全局注意力是较高表达强但易过拟合LSTM递归门控否逐步入局部依赖稳长程弱TCN因果膨胀卷积是固定低抗噪稳延迟友好MLP纯前馈是极低简单快信号偏平滑3. 数据与标签构造八成的人在这一步就已经埋了雷模型架构是显性的、好比较的真正决定成败的往往是数据和标签这些不那么起眼的部分。我在做这轮评测时刻意把所有架构都喂同一套特征和同一套标签就是想把架构的差异从数据处理的差异里剥离开。下面这几件事是我认为最容易被忽略、又最能毁掉一个项目的。3.1 特征工程与归一化窗口统计量里的泄漏陷阱做高频特征最常用的就是滚动窗口的均值、方差、偏度这些统计量。坑在哪呢在于你算归一化的时候如果用了全局统计量比如整段数据的均值和标准差那你就把未来的信息泄漏到了每一行样本里。正确做法是只用一个过去了的时间窗口来算归一化参数并且这个窗口的右端点不能超过当前时刻。我早期犯过这个错模型验证集指标好得离谱一上样本外就崩查了两天才发现是标准化用了全局均值。还有一个隐蔽的坑是多品种一起训练时的截面归一化。听起来很美用同一时刻所有股票的截面信息做标准化能去趋势但如果你在标准化里混入了同期的其他股票数据而它们在实盘里并不都能实时拿到就又变成了泄漏。我现在的原则是任何进入特征的量都要能回答在预测那一刻这个数我是不是真的能算出来。回答不了的就别放。这个原则能帮你砍掉一大批看起来聪明、实际上不可用的特征。3.2 标签定义三分类、回归还是排序决定了模型在学什么标签怎么定义直接决定模型在学什么。回归标签预测收益率让模型关注幅度三分类标签涨、平、跌让模型关注方向排序标签同一时刻哪只股票更强让模型关注相对强弱。高频里我最后选了带阈值的三分类因为纯方向二分类会被大量微小波动干扰而回归又被噪声主导。给平这个类设一个基于成本的阈值能让模型不去追那些赚不回手续费的小波动。这里有个细节值得说阈值的设定不能拍脑袋。我一般用成本对应的收益率水平作为阈值下界也就是如果一次波动的预期幅度连成本都盖不住就归到平类里。这样模型学出来的信号天然对低成本敏感度更低等于把交易逻辑提前注入了标签。这个技巧比在损失函数里加正则要直接得多也更容易解释。3.3 样本切分时间序列绝不能随机 shuffle这条属于老生常谈但我还是要强调因为它太致命了。时间序列一旦随机打乱切分相邻时刻高度相关的样本会被分到训练集和验证集两边验证集指标就会虚高得离谱。我见过有人这么做然后把验证准确率刷到 70% 以上还沾沾自喜实际上这个模型没有任何样本外价值。正确的做法是按时间切前面一段训练、中间一段验证调参、最后一段测试而且训练和验证之间、验证和测试之间要留出一段空白避免因为标签的持有期重叠而泄漏。我的具体做法是滚动式切分用好几个不重叠的测试窗口每个窗口单独评估最后看绩效的均值和方差而不是只看某一个窗口的漂亮数字。这样做还有个好处你能直接看到模型在不同市场状态下的稳定性差异这对判断它能不能上线至关重要。# 时间序列滚动切分示意避免泄漏 def rolling_split(n, train, valid, test, gap): start 0 while start train gap valid gap test n: tr slice(start, start train) va slice(start train gap, start train gap valid) te slice(start train gap valid gap, start train gap valid gap test) yield tr, va, te start test # 窗口向前滚动4. 实测横向对比四种架构在预测指标上到底差多少实验跑完最让我意外的不是谁赢谁输而是它们之间的差距远比宣传里小。这一节我把实验设置、指标口径和结果摊开顺便讲讲为什么纯预测指标在这个场景里说服力有限。4.1 实验设置与评价指标数据用的是分钟级的高频行情滚动窗口长度设成 128 步特征包括价格、成交量、订单流不平衡以及若干滚动统计量。训练目标是带成本阈值的三分类。四个模型共享同一套输入和输出超参各自调过一轮。评价指标上我同时记了三类预测类指标准确率、F1、概率类指标AUC、Brier 分数、以及后面的交易类指标净收益、Sharpe、换手率。这么设计就是为了让预测赢和交易赢能在同一张表上直接对话。我特别在意 Brier 分数它是概率预测的校准度量比单纯准确率更能反映模型说 60% 概率长期看是不是真的 60%。高频信号靠的是边际优势概率校准差一点仓位管理就会跑偏。很多项目只看准确率不看校准结果仓位算出来是错的收益自然上不去。4.2 结果表格与解读架构方向准确率AUCBrier越低越好净收益含成本换手率Transformer最高最高中等中等偏下高LSTM中等中等较好中等中TCN中等中等偏上好较高中低MLP偏低偏低好较高低看清楚这张表没有Transformer 在方向准确率和 AUC 上确实领先这印证了标题里赢在预测的说法但一到含成本的净收益它掉到了中等偏下主要原因是换手率太高成本吃掉了大部分预测优势。反倒是 TCN 和 MLP预测指标不占优但因为信号更平滑、换手更低净收益反而更好。Brier 分数上 TCN 和 MLP 也更漂亮说明它们的概率更可信这对基于概率下仓位尤其重要。这个结果直接回答了我最初的问题预测赢交易不一定赢而且它们之间的背离是有系统原因的不是运气。你把预测指标当终点就会选出 Transformer你把交易绩效当终点就会选更朴素的模型。4.3 为什么预测指标之间的差距没有想象中大跑之前我以为 Transformer 会把其他三个甩开一大截结果没有。原因我梳理下来有三条。第一高频数据的有效信息高度集中在最近几步长程依赖本来就少注意力的优势发挥不出来第二数据噪声太强强弱架构的差距会被噪声淹没谁都没法从噪声里挤出更多真实信号第三我们都用了同一套特征特征已经决定了信息上限架构再好也突破不了这个天花板。这一条对做特征工程的人是好消息与其纠结换架构不如回去把特征再挖一层。5. 把预测翻译成交易回测里最容易被美化的环节前面都在讲模型这一节讲怎么把模型的输出变成一个能落地的交易逻辑。我发现大部分预测很准但不赚钱的案例问题都出在这一步而不是模型本身。5.1 交易成本建模手续费和滑点怎么写才不算自欺成本模型是整个回测里最容易自欺的一环。最简单的做法是拍一个固定比例比如单边万分之几套到每一笔成交上。这没错但不够因为滑点是有状态依赖的流动性差的时候、波动大的时候滑点会明显放大。我的做法是把滑点建模成一个跟波动率挂钩的函数波动越大的时段滑点越高这样回测出来的收益会更保守也更接近真实。还有一个经常被忽略的是信号未成交的情况。你做的是高频理论上每次信号都能立刻成交但现实里挂单可能没被吃、可能只成交一部分。回测里我通常假设一个保守的成交率比如 80%把剩下 20% 的仓位当作没成交处理。宁可回测难看一点也不要实盘被现实打脸。这套成本模型听起来麻烦但它能帮你在上线前就筛掉一大批看起来能赚、实际赚不了的策略省下的真金白银远大于你建模花的时间。5.2 仓位与信号衰减高频下持有几分钟意味着什么高频策略的持有期通常就是几分钟甚至几十秒这意味着仓位管理的作用被放大。原因在于持有期短单次收益幅度就小任何一个系统性偏差比如固定的一点点滑点都会被高频重复快速累积。我用的是基于概率的仓位法模型输出的概率减去成本对应的阈值得到净信号强度再按强度分配仓位强度不够就空仓。这样能在信号弱的时候自动降低换手直接改善净收益。信号衰减也要考虑。模型的预测是针对未来某一小段的如果你持有太久超出预测区间之后信号就失效了甚至反向了。我在回测里严格按照信号的有效期平仓不做再拿一会儿看看这种操作。实验证明超期持有在高频里几乎总是负贡献因为你在用已经失效的信息承担额外的市场风险。5.3 从 Sharpe 到换手率真正该盯的几个指标单一指标会骗人我一般看一组合。Sharpe 看风险调整后的收益最大回撤看极端风险换手率看成本暴露胜率和盈亏比看信号的形态。高频里我最警惕的是胜率很高但盈亏比很差的组合这通常意味着模型在赚小钱、赔大钱成本一上来就崩。反过来中等胜率配上好的盈亏比往往更耐用。指标反映什么高频里的警戒信号Sharpe风险调整收益高但换手也高需警惕成本最大回撤极端风险回撤远大于预期波动换手率成本暴露换手突然放大胜率/盈亏比信号形态高胜率低盈亏比我给每个策略都设了这些指标的硬门槛任何一个不达标就不进入下一个测试阶段。这套门槛救过我好几次让我避免把资源浪费在注定上不了线的模型上。6. 我踩过的坑和一份可复现的工程细节清单这一节讲教训和细节是最容易和别人拉开差距的部分。上面聊的是方法这里聊的是我真实撞过的墙希望你能绕过去。6.1 数据泄漏的几种隐蔽形式数据泄漏不只是随机 shuffle这一种。我遇到过的隐蔽版本里除了前面说的全局归一化还有一种是特征和标签的窗口重叠。比如你用 128 步窗口算特征标签是下一分钟方向如果窗口本身包含了标签时刻附近的数据就会泄漏。我的解决办法是强制在特征窗口和标签时刻之间留出安全间隔这个间隔一般取持有期的长度。还有一个是多任务共用标准化参数如果你在别的任务上算出的统计量被复用过来也可能带入未来信息处理原则还是那句话每个量都要能通过预测时刻是否可算的检验。6.2 过拟合与正则化的取舍Transformer 特别容易过拟合我的应对是组合拳减头数、加 dropout、加权重衰减、早停。早停的验证集我坚持用时间上独立的一段绝不用训练集的尾部。另外我加了标签平滑能缓解模型对单一样本过于自信的问题对概率校准也有帮助。LSTM 和 TCN 相对好训正则化可以轻一点但也别完全不加尤其是在样本量不大的时候。MLP 反而需要仔细调深度和 dropout太深会过拟合太浅学不动非线性。6.3 复现清单与关键参数如果你要复现我把关键点列成清单窗口长度 128特征做仅在历史窗口内的标准化标签用成本阈值三分类训练验证测试按时间滚动切分并留 gap四个模型共享输入输出成本模型用波动率挂钩的滑点加保守成交率仓位用概率减阈值的净信号强度分配。训练上 Transformer 减到半数头加 dropout 0.2LSTM 两层隐层TCN 用膨胀系数 1、2、4、8 堆叠MLP 三到四层。这些参数不是最优解但都是在多轮实验里比较稳的起点你可以在此基础上做网格搜索。# 净信号强度决定仓位兼顾成本与信号衰减 def position_size(prob_up, prob_down, cost_thr, max_pos1.0): signal (prob_up - prob_down) - cost_thr # 扣掉成本对应的门槛 if signal 0: return 0.0 # 信号不够覆盖成本空仓 return min(signal * 2.0, max_pos) # 强度映射到仓位最后分享一个我自己的体会这轮实验做下来最大的收获不是找到了哪个架构最强而是彻底分清了建模和交易这是两件需要分开评估的事。Transformer 没错它确实在预测上赢但预测只是交易链条的第一环后面还有成本、延迟、仓位、非平稳性一大堆东西在等着。我现在评估任何一个模型都会先跑一遍纯预测指标再硬着头皮把成本模型套上去看净收益两者背离得越厉害就越说明我该回头检查交易逻辑而不是继续调模型。你要是有条件把 MLP 这种简单基线也老老实实跑一遍它的表现往往会让你重新思考自己到底是在追结构的花哨还是在追真实可落地的边际。
模型把涨跌预测准确率刷到 62%回测曲线漂亮得跟画出来似的结果一挂到模拟盘上手续费加滑点直接把这个优势吃干抹净——这种场面我这些年见过太多次了。这次我干脆把家里压箱底的四种深度学习架构全搬出来做了一次横向评测Transformer、LSTM、TCN还有一个很多人瞧不上的 MLP全都放在同一批高频股票数据上跑。起因很朴素就是我想把预测赢和交易赢这两件事之间到底差多少用数字掰开揉碎看清楚。这篇内容适合两类人一类是已经能跑通深度学习模型、开始琢磨怎么落到交易上的工程师另一类是被Transformer 什么都赢这种说法带偏过、想看看真实数据里到底谁强的量化爱好者。我不打算给你灌鸡汤只把实验设置、指标口径、成本模型和踩过的坑一条条摊开讲你要复现的话基本可以照着作业抄但结论你得自己判断——因为高频这块技巧性远比模型结构的花哨程度重要。1. 预测赢和交易赢之间的鸿沟其实是三道可量化的损耗很多人第一次做量化模型脑子里默认一条逻辑链模型预测准 → 信号可信 → 按信号交易 → 赚钱。这条链子每一个箭头都是断裂的而且断得比想象中干脆。我在这轮实验里最想干的一件事就是把这条链子拆成可测量的几个环节看看到底是哪一步把收益吃没了。1.1 评估指标错位MSE 下降不等于盈亏改善训练时我们盯的是损失函数分类任务盯的是准确率、AUC回归任务盯的是 MSE、MAE。这些指标有个共同特点它们只关心预测值离真实值有多近完全不关心方向对不对、更不关心这个预测能不能覆盖交易成本。我做过一个极端的对照实验把一个模型的目标从预测下一分钟收益率改成预测涨跌方向MSE 那套指标没法比了但换成三分类的准确率之后两版的交易绩效差异巨大。原因很简单收益率回归会让模型去拟合那些幅度的细节而高频里绝大部分分钟的收益幅度都在噪声区间里模型学了半天学到的其实是下一秒大概不动这个没用的先验。换句话说MSE 是一个连续量指标它会被大量接近零的样本主导而交易只在乎这一秒我该不该下手、下手之后能不能把成本赚回来。这两个目标之间隔着一整套经济学约束。我后来习惯在训练里直接塞一个带成本的方向性损失虽然数学上没那么优雅但它把交易成本提前编码进了优化目标出来的信号至少不会像纯 MSE 训练那样对微小波动过度反应。1.2 从信号到成交成本、延迟、滑点的三重侵蚀预测准确率是理论值成交是现实值中间夹着三层损耗。第一层是显性成本也就是手续费和印花税这类固定比例第二层是延迟你从数据落地、特征计算、模型推理到下单指令发出这条链路在真实环境里至少几十毫秒起步第三层是滑点也就是你看到的价格和你实际成交价格之间的差。高频场景下这三层叠起来能吃掉一个看起来还不错的信号大半的边际收益。我举个具体数字方便你建立直觉。假设你的信号预测下一秒收益为正的概率是 55%看起来优势不大但确实大于随机如果下一秒的期望收益幅度只有万分之三而单边成本加起来是万分之二点五那你这一次交易的净期望是万分之三乘零点五五减去成本相关的期望扣完基本就不剩什么了。这就是为什么很多高频策略的预测准确率并不需要高到 70%、80%但成本模型必须抠得极其精细。反过来如果你把成本忽略了任何模型回测起来都好看得不行这恰恰是最危险的假象。1.3 非平稳性高频数据背负的时效性债务低频策略可以容忍模型半年更新一次高频不行。市场微结构天天在变参与者的构成、订单簿的形态、同一种订单流模式在不同时段的含义都不一样。我拿同一个 Transformer 模型用训练集拟合完之后直接在后面连续几个月的数据上滚动评估发现它的预测准确率是随时间缓慢衰减的而且衰减不是线性的会在某些市场状态切换的节点上突然掉一档。这就意味着你就算在某一个时间段里赢麻了也不能把那个成绩当成模型的长期能力。应对这件事没有银弹我的做法是缩短训练窗口、提高重训频率并且给模型加一个数据新鲜度的衰减权重让靠近当前时间的样本在损失里占更大比重。这相当于承认模型是有保质期的与其幻想一个一劳永逸的结构不如老老实实接受非平稳性把它当成工程问题而不是建模问题去解。2. 为什么最后选的是 Transformer、LSTM、TCN 和 MLP 这四种架构选这四个不是为了凑数它们分别代表四种截然不同的建模思路注意力、递归、卷积、纯前馈。我想看看在高频这种又短又噪的序列上不同的归纳偏置到底会带来多大差别。下面我把每种架构的取舍逻辑讲清楚顺带解释为什么我在实现时做了那些看起来不主流的改动。2.1 Transformer注意力机制在高频序列上的真正优势在哪里Transformer 的核心是自注意力它天然能建模任意两个时间步之间的直接依赖不受序列长度上的顺序约束。放到股票序列上它的优势理论上在于能捕捉那种今天某个形态和几十步之前的某个状态有联动的长程关系。但高频数据的现实是序列很短我用的是一百多步的分钟级窗口而且大部分信息集中在最近几步长程依赖的实际价值被大幅压缩。这就是标题里那句Transformer 赢在预测的来源——在纯预测任务上也就是比 MSE、比方向准确率的时候它在四种架构里确实是排前面的。但你要明白它为什么赢不是因为它更懂市场而是因为它表达能力更强、更容易记住训练集里的复杂模式。这个能力强到什么程度呢我在消融实验里把自注意力层的一部分头随机冻结之后预测指标只掉了很小一点反而样本外表现更稳了。这说明模型在很多头上学的其实是噪声属于典型的能力过剩。所以我在最终版里给它加了比较强的 dropout 和权重衰减并且砍掉了半数的注意力头用一个偏小的 Transformer 去跑。2.2 LSTM递归结构对局部时序依赖的直觉LSTM 是我最早接触的序列模型它的门控机制让它在处理局部时序依赖时非常自然。高频股票序列的一个重要特征是近因效应特别强越是靠近当前的步信息权重越高。LSTM 的递归结构天然符合这个先验它不需要你把窗口里所有位置一视同仁而是通过隐状态一路传递和遗忘。我在实验里发现LSTM 在短窗口比如五十步以内上的表现和 Transformer 咬得很紧训练还更稳、更快收敛。但 LSTM 的短板也很明显它没法并行计算序列一长训练就慢而且它的长程记忆能力在高噪声下很容易被冲淡门控被噪声带着乱开乱关。更实际的问题是延迟——推理时你得一步步算这对高频部署是个不大不小的负担。我最后把 LSTM 当成一个稳定的对照组它未必能赢但它很少给你惊吓这个特质在实际生产里其实很值钱。2.3 TCN膨胀因果卷积为什么在低延迟场景常常比 RNN 更稳TCN 用的是因果卷积加膨胀能保证不看未来、又能通过膨胀系数扩大感受野。它有几个我特别喜欢的性质可以并行训练、推理延迟固定、感受野可控。在高频这种对延迟敏感的场合TCN 的固定延迟是非常诱人的优势。我用它的时候把卷积核大小和膨胀系数按 1、2、4、8 这样一层层堆上去感受野覆盖到窗口长度就可以了。实测下来 TCN 的一个惊喜是它的样本外稳定性普遍好于 LSTM 和 Transformer。我猜原因是卷积本身带有一种类似局部平滑的效应它对高频噪声的敏感度更低相当于自带了轻量级的降噪。代价是它捕捉非常规整的长程结构时不如注意力灵活但对于高频这种以短程模式为主的数据这个代价可以接受。如果你对部署延迟和稳定性看得比极限精度更重TCN 值得你优先试。2.4 MLP别小看这个笨基线它经常打得过花哨模型我把 MLP 放进来是因为我吃过太多次亏——费劲调一个复杂模型最后发现一个参数调好的多层感知机性能差不多还快得多、稳得多。高频的特征本身经过构造之后很多有效信息已经被压缩成了少数几个维度这种情况下一个深层 MLP 完全有能力把非线性关系学出来。我用的 MLP 是三到四层、每层带激活和 dropout输入是打平之后的窗口特征。结果有意思在纯预测指标上它垫底但差距并不大到了交易绩效上它反而因为信号相对更平滑、换手更低某些口径下不输甚至超过了 Transformer。这件事给我的教训是基线不是走过场用的它是用来暴露你的复杂模型到底带来了多少真实增量的标尺。如果没有 MLP 做参照你很可能会把本属于特征工程的功劳全记到结构复杂度头上。架构归纳偏置训练可并行推理延迟高频适配直觉Transformer全局注意力是较高表达强但易过拟合LSTM递归门控否逐步入局部依赖稳长程弱TCN因果膨胀卷积是固定低抗噪稳延迟友好MLP纯前馈是极低简单快信号偏平滑3. 数据与标签构造八成的人在这一步就已经埋了雷模型架构是显性的、好比较的真正决定成败的往往是数据和标签这些不那么起眼的部分。我在做这轮评测时刻意把所有架构都喂同一套特征和同一套标签就是想把架构的差异从数据处理的差异里剥离开。下面这几件事是我认为最容易被忽略、又最能毁掉一个项目的。3.1 特征工程与归一化窗口统计量里的泄漏陷阱做高频特征最常用的就是滚动窗口的均值、方差、偏度这些统计量。坑在哪呢在于你算归一化的时候如果用了全局统计量比如整段数据的均值和标准差那你就把未来的信息泄漏到了每一行样本里。正确做法是只用一个过去了的时间窗口来算归一化参数并且这个窗口的右端点不能超过当前时刻。我早期犯过这个错模型验证集指标好得离谱一上样本外就崩查了两天才发现是标准化用了全局均值。还有一个隐蔽的坑是多品种一起训练时的截面归一化。听起来很美用同一时刻所有股票的截面信息做标准化能去趋势但如果你在标准化里混入了同期的其他股票数据而它们在实盘里并不都能实时拿到就又变成了泄漏。我现在的原则是任何进入特征的量都要能回答在预测那一刻这个数我是不是真的能算出来。回答不了的就别放。这个原则能帮你砍掉一大批看起来聪明、实际上不可用的特征。3.2 标签定义三分类、回归还是排序决定了模型在学什么标签怎么定义直接决定模型在学什么。回归标签预测收益率让模型关注幅度三分类标签涨、平、跌让模型关注方向排序标签同一时刻哪只股票更强让模型关注相对强弱。高频里我最后选了带阈值的三分类因为纯方向二分类会被大量微小波动干扰而回归又被噪声主导。给平这个类设一个基于成本的阈值能让模型不去追那些赚不回手续费的小波动。这里有个细节值得说阈值的设定不能拍脑袋。我一般用成本对应的收益率水平作为阈值下界也就是如果一次波动的预期幅度连成本都盖不住就归到平类里。这样模型学出来的信号天然对低成本敏感度更低等于把交易逻辑提前注入了标签。这个技巧比在损失函数里加正则要直接得多也更容易解释。3.3 样本切分时间序列绝不能随机 shuffle这条属于老生常谈但我还是要强调因为它太致命了。时间序列一旦随机打乱切分相邻时刻高度相关的样本会被分到训练集和验证集两边验证集指标就会虚高得离谱。我见过有人这么做然后把验证准确率刷到 70% 以上还沾沾自喜实际上这个模型没有任何样本外价值。正确的做法是按时间切前面一段训练、中间一段验证调参、最后一段测试而且训练和验证之间、验证和测试之间要留出一段空白避免因为标签的持有期重叠而泄漏。我的具体做法是滚动式切分用好几个不重叠的测试窗口每个窗口单独评估最后看绩效的均值和方差而不是只看某一个窗口的漂亮数字。这样做还有个好处你能直接看到模型在不同市场状态下的稳定性差异这对判断它能不能上线至关重要。# 时间序列滚动切分示意避免泄漏 def rolling_split(n, train, valid, test, gap): start 0 while start train gap valid gap test n: tr slice(start, start train) va slice(start train gap, start train gap valid) te slice(start train gap valid gap, start train gap valid gap test) yield tr, va, te start test # 窗口向前滚动4. 实测横向对比四种架构在预测指标上到底差多少实验跑完最让我意外的不是谁赢谁输而是它们之间的差距远比宣传里小。这一节我把实验设置、指标口径和结果摊开顺便讲讲为什么纯预测指标在这个场景里说服力有限。4.1 实验设置与评价指标数据用的是分钟级的高频行情滚动窗口长度设成 128 步特征包括价格、成交量、订单流不平衡以及若干滚动统计量。训练目标是带成本阈值的三分类。四个模型共享同一套输入和输出超参各自调过一轮。评价指标上我同时记了三类预测类指标准确率、F1、概率类指标AUC、Brier 分数、以及后面的交易类指标净收益、Sharpe、换手率。这么设计就是为了让预测赢和交易赢能在同一张表上直接对话。我特别在意 Brier 分数它是概率预测的校准度量比单纯准确率更能反映模型说 60% 概率长期看是不是真的 60%。高频信号靠的是边际优势概率校准差一点仓位管理就会跑偏。很多项目只看准确率不看校准结果仓位算出来是错的收益自然上不去。4.2 结果表格与解读架构方向准确率AUCBrier越低越好净收益含成本换手率Transformer最高最高中等中等偏下高LSTM中等中等较好中等中TCN中等中等偏上好较高中低MLP偏低偏低好较高低看清楚这张表没有Transformer 在方向准确率和 AUC 上确实领先这印证了标题里赢在预测的说法但一到含成本的净收益它掉到了中等偏下主要原因是换手率太高成本吃掉了大部分预测优势。反倒是 TCN 和 MLP预测指标不占优但因为信号更平滑、换手更低净收益反而更好。Brier 分数上 TCN 和 MLP 也更漂亮说明它们的概率更可信这对基于概率下仓位尤其重要。这个结果直接回答了我最初的问题预测赢交易不一定赢而且它们之间的背离是有系统原因的不是运气。你把预测指标当终点就会选出 Transformer你把交易绩效当终点就会选更朴素的模型。4.3 为什么预测指标之间的差距没有想象中大跑之前我以为 Transformer 会把其他三个甩开一大截结果没有。原因我梳理下来有三条。第一高频数据的有效信息高度集中在最近几步长程依赖本来就少注意力的优势发挥不出来第二数据噪声太强强弱架构的差距会被噪声淹没谁都没法从噪声里挤出更多真实信号第三我们都用了同一套特征特征已经决定了信息上限架构再好也突破不了这个天花板。这一条对做特征工程的人是好消息与其纠结换架构不如回去把特征再挖一层。5. 把预测翻译成交易回测里最容易被美化的环节前面都在讲模型这一节讲怎么把模型的输出变成一个能落地的交易逻辑。我发现大部分预测很准但不赚钱的案例问题都出在这一步而不是模型本身。5.1 交易成本建模手续费和滑点怎么写才不算自欺成本模型是整个回测里最容易自欺的一环。最简单的做法是拍一个固定比例比如单边万分之几套到每一笔成交上。这没错但不够因为滑点是有状态依赖的流动性差的时候、波动大的时候滑点会明显放大。我的做法是把滑点建模成一个跟波动率挂钩的函数波动越大的时段滑点越高这样回测出来的收益会更保守也更接近真实。还有一个经常被忽略的是信号未成交的情况。你做的是高频理论上每次信号都能立刻成交但现实里挂单可能没被吃、可能只成交一部分。回测里我通常假设一个保守的成交率比如 80%把剩下 20% 的仓位当作没成交处理。宁可回测难看一点也不要实盘被现实打脸。这套成本模型听起来麻烦但它能帮你在上线前就筛掉一大批看起来能赚、实际赚不了的策略省下的真金白银远大于你建模花的时间。5.2 仓位与信号衰减高频下持有几分钟意味着什么高频策略的持有期通常就是几分钟甚至几十秒这意味着仓位管理的作用被放大。原因在于持有期短单次收益幅度就小任何一个系统性偏差比如固定的一点点滑点都会被高频重复快速累积。我用的是基于概率的仓位法模型输出的概率减去成本对应的阈值得到净信号强度再按强度分配仓位强度不够就空仓。这样能在信号弱的时候自动降低换手直接改善净收益。信号衰减也要考虑。模型的预测是针对未来某一小段的如果你持有太久超出预测区间之后信号就失效了甚至反向了。我在回测里严格按照信号的有效期平仓不做再拿一会儿看看这种操作。实验证明超期持有在高频里几乎总是负贡献因为你在用已经失效的信息承担额外的市场风险。5.3 从 Sharpe 到换手率真正该盯的几个指标单一指标会骗人我一般看一组合。Sharpe 看风险调整后的收益最大回撤看极端风险换手率看成本暴露胜率和盈亏比看信号的形态。高频里我最警惕的是胜率很高但盈亏比很差的组合这通常意味着模型在赚小钱、赔大钱成本一上来就崩。反过来中等胜率配上好的盈亏比往往更耐用。指标反映什么高频里的警戒信号Sharpe风险调整收益高但换手也高需警惕成本最大回撤极端风险回撤远大于预期波动换手率成本暴露换手突然放大胜率/盈亏比信号形态高胜率低盈亏比我给每个策略都设了这些指标的硬门槛任何一个不达标就不进入下一个测试阶段。这套门槛救过我好几次让我避免把资源浪费在注定上不了线的模型上。6. 我踩过的坑和一份可复现的工程细节清单这一节讲教训和细节是最容易和别人拉开差距的部分。上面聊的是方法这里聊的是我真实撞过的墙希望你能绕过去。6.1 数据泄漏的几种隐蔽形式数据泄漏不只是随机 shuffle这一种。我遇到过的隐蔽版本里除了前面说的全局归一化还有一种是特征和标签的窗口重叠。比如你用 128 步窗口算特征标签是下一分钟方向如果窗口本身包含了标签时刻附近的数据就会泄漏。我的解决办法是强制在特征窗口和标签时刻之间留出安全间隔这个间隔一般取持有期的长度。还有一个是多任务共用标准化参数如果你在别的任务上算出的统计量被复用过来也可能带入未来信息处理原则还是那句话每个量都要能通过预测时刻是否可算的检验。6.2 过拟合与正则化的取舍Transformer 特别容易过拟合我的应对是组合拳减头数、加 dropout、加权重衰减、早停。早停的验证集我坚持用时间上独立的一段绝不用训练集的尾部。另外我加了标签平滑能缓解模型对单一样本过于自信的问题对概率校准也有帮助。LSTM 和 TCN 相对好训正则化可以轻一点但也别完全不加尤其是在样本量不大的时候。MLP 反而需要仔细调深度和 dropout太深会过拟合太浅学不动非线性。6.3 复现清单与关键参数如果你要复现我把关键点列成清单窗口长度 128特征做仅在历史窗口内的标准化标签用成本阈值三分类训练验证测试按时间滚动切分并留 gap四个模型共享输入输出成本模型用波动率挂钩的滑点加保守成交率仓位用概率减阈值的净信号强度分配。训练上 Transformer 减到半数头加 dropout 0.2LSTM 两层隐层TCN 用膨胀系数 1、2、4、8 堆叠MLP 三到四层。这些参数不是最优解但都是在多轮实验里比较稳的起点你可以在此基础上做网格搜索。# 净信号强度决定仓位兼顾成本与信号衰减 def position_size(prob_up, prob_down, cost_thr, max_pos1.0): signal (prob_up - prob_down) - cost_thr # 扣掉成本对应的门槛 if signal 0: return 0.0 # 信号不够覆盖成本空仓 return min(signal * 2.0, max_pos) # 强度映射到仓位最后分享一个我自己的体会这轮实验做下来最大的收获不是找到了哪个架构最强而是彻底分清了建模和交易这是两件需要分开评估的事。Transformer 没错它确实在预测上赢但预测只是交易链条的第一环后面还有成本、延迟、仓位、非平稳性一大堆东西在等着。我现在评估任何一个模型都会先跑一遍纯预测指标再硬着头皮把成本模型套上去看净收益两者背离得越厉害就越说明我该回头检查交易逻辑而不是继续调模型。你要是有条件把 MLP 这种简单基线也老老实实跑一遍它的表现往往会让你重新思考自己到底是在追结构的花哨还是在追真实可落地的边际。
