企业官网建设流程全解析

先交代一下背景。三个月前，我搭了一套用机器学习做股票方向预测的小系统，回测结果出来那一刻我差点以为自己要财富自由了：AI评估的历史胜率冲到90%以上。冷静下来之后，我又花了两周时间把这个"90%"拆了个底朝天，越拆越觉得自己当初太天真。这篇就聊聊这个"AI认为胜率90%"的投资策略到底是怎么设计出来的、问题出在哪、以及最后我改成了什么样子。内容偏实战，适合对量化交易和机器学习结合感兴趣，又不想被各种"稳赚不赔"话术忽悠的朋友。

先说结论：AI认为胜率高，和策略真正能赚钱，中间隔着一整条马里亚纳海沟。这个90%不是骗局，但它是被一堆隐蔽的假设和统计口径"喂"出来的。我会从策略的设计源头开始复盘，把每一步的坑都摊开讲。

1. 我为什么觉得"AI选股"这件事有戏

1.1 传统技术分析的痛点

入市一段时间的人大概都有这种感觉：均线金叉、MACD背离、KDJ超卖，这些指标单独拎出来都有道理，组合起来却经常打架。更麻烦的是，同样一个信号，在不同市场环境里表现完全不一样——牛市里"突破买入"怎么买怎么对，震荡市里"突破"就是"接盘"的同义词。

我一直想要一个能自动适应市场变化的系统，而不是靠人去猜当前该用哪套规则。机器学习的思路天然契合这个需求：让模型自己从历史数据里学规律，而不是我告诉它规律是什么。这是我做这个项目的第一个动机。

1.2 把"炒股"翻译成机器学习问题

要让AI介入，第一步是把"预测股价"这个模糊目标翻译成模型能吃的格式。我当时的做法是：

• 预测对象：未来第T天（我最初用的是下一天）的收益方向是涨还是跌，转成二分类问题。
• 输入特征：过去20个交易日的开高低收量价数据，加上一组技术指标。
• 模型选型：结构化表格数据，优先试了梯度提升树（LightGBM系）和随机森林，后来也对比过LSTM，效果并没有质的提升，反而更难调。
• 训练方式：滚动训练，用过去两年的数据训练，预测未来三个月的样本，然后再向前滚动。

为了直观，我列一下我最初用的特征清单：

这套设计在思路上并没有太大问题，真正出问题的地方在后面——我怎么处理数据、怎么定义"胜率"、怎么评估结果。

2. 90%胜率究竟是怎么算出来的

2.1 数据泄漏：最隐蔽的"作弊"

我踩的第一个大坑，是数据预处理阶段的全区间归一化泄漏。听起来有点拗口，我用大白话解释一下。

机器学习模型普遍对输入特征的量纲敏感，所以训练前要归一化，比如把价格缩放到0到1之间。正常做法是：只用训练集的数据统计出最大值、最小值，然后用这个统计量去缩放训练集和测试集。我当时图省事，直接对整段历史数据一次性算好均值方差，然后再切训练集和测试集。

这就相当于考试前把答案夹在了参考书里。测试集的信息通过归一化参数混进了训练过程。模型在测试集上表现当然好，因为它"见过"未来数据的统计形态。这个坑极其隐蔽，回测程序不会报错，准确率还特别高，但一到实盘就原形毕露——因为实盘数据是实时流进来的，你不可能提前知道未来的极大极小值。

2.2 标签构造里面的"前视偏差"

第二个问题出在标签上。我最初的标签是"第二天收盘价相对于当天收盘价是涨是跌"，这本身没问题。但我在拼接特征时，把当天收盘后的所有数据（包括全天成交量、收盘价）都算进了特征，然后用于预测"第二天全天"的涨跌。

问题在哪？第二天还没走完，它的信息当然不能用。更隐蔽的是，我回测成交价直接用了"第二天收盘价"成交——这在逻辑上等于你预知了第二天的结果再决定买不买。真实世界里，信号是当天收盘后产生的，最快只能以第二天开盘价成交，中间隔着一个晚上的不确定性（跳空、利空消息、隔夜外盘波动）。把"收盘价信号+收盘价成交"混在一起，就是典型的前视偏差。

2.3 "90%"里有多少水分：统计口径的小把戏

拆完数据问题，我再看那个90%到底怎么来的。结果又发现一个尴尬的事实：我计算胜率时，分母只统计了"模型发出明确看涨信号并实际开仓"的交易，而模型没信号或者信号置信度低于阈值的日子，全部被丢进了"无操作"分类，不计入胜率分母。

这意味着什么？打个比方：一个学生在100道选择题里只挑了最有把握的20道做，全对了，然后宣称"正确率100%"——他不提剩下那80道题他根本没敢做。我的模型也一样，它只在极少数趋势非常明确的样本上开仓，这些样本训练集里本来就容易学，胜率高是理所当然的。它掩盖了两个致命问题：大部分时间模型根本不知道该干什么，以及一旦开仓失败，单笔亏损可能吞掉很多次小盈利。

2.4 过拟合：把噪音当成规律

最后还有过拟合。我的特征里塞了20多个技术指标，模型在训练集上几乎可以背下每段K线的特定组合。训练集精度一度高到98%，验证集也有90%左右，但再往后的独立时间段一测，立刻掉到55%——跟抛硬币差不多。

过拟合的本质是模型把历史数据里的偶然噪音当成了必然规律。特征越多、训练时间越长、模型越复杂，噪音被"记住"得就越牢。我在复盘时用一个简单方式自查：把训练数据的时间顺序随机打乱，再跑一遍同样的流程，如果模型精度依然很高，说明它学到的不是时间序列里的因果关系，而是某种跟顺序无关的假模式——这不是好信号。

3. 回测漂亮，模拟盘翻车：落差从哪来

3.1 模拟盘第一周的实况记录

带着那个虚高的回测结果，我上了模拟盘。前三天风平浪静，小幅盈利，我心里还挺美。第四天开始不对劲：市场稍微一震荡，模型的开仓信号变得极其频繁，跟之前回测里"精准狙击"的风格判若两人。到第二周结束时，模拟账户把前几天的利润全部回吐，还倒亏了几个点。

这个落差几乎可以精确拆解。回测时我用的成交价是理想化的，没有计入真实交易中的冲击成本和滑点。实际成交时，买一卖一的价差、挂单深度不足导致的滑移，每一笔都在侵蚀收益。单看胜率，模型还是能有70%以上，但盈亏比崩了——因为每一笔亏损都比回测模拟中更大。

3.2 市场风格切换：模型没见过的新场景

另一个很现实的问题是市场环境变了。我的训练数据主要覆盖了一段相对平稳的行情，模型学到的是"低波动环境下动量延续"这类规律。模拟盘期间市场波动率突然放大，日内反复涨跌，这种模式在训练集里占比极低，模型彻底蒙圈。

机器学习模型本质上是个"模式匹配器"：它只会对见过的模式给出可靠判断。历史数据里没有的极端情形，它处理不了。这也是为什么任何量化策略都必须强调"样本外测试"——用模型从未见过的时间段做验证，而不是只在同一个历史区间上反复调参自我感动。

3.3 我把几个主要失败模式整理成了表格

看这个表就明白了：回测是"戴着滤镜看历史"，模拟盘是"素颜面对未来"。滤镜越厚，落差越大。

4. 胜率之外，量化策略真正要盯的指标

4.1 一个反直觉的算术题：90%胜率为什么照样亏钱

先说个简单的数学例子。假设你的策略做10笔交易，9笔盈利每笔赚1%，1笔亏损亏掉20%，结果是什么？

总收益 = 9 × 1% - 1 × 20% = -11%

胜率90%，照样亏钱。这个例子极端，但很直观地说明了一个道理：胜率只是表象，真正决定账户净值的是期望值（期望收益）。期望值的公式很简单：

期望收益 = 胜率 × 平均单笔盈利 - (1 - 胜率) × 平均单笔亏损

如果平均盈利贡献只有1%，而平均亏损要吃掉5%，那就算胜率90%，长期也是亏的。反过来，很多趋势跟踪策略胜率只有40%上下，但靠"截断亏损、让利润奔跑"，依然能稳定盈利。我最初只盯着胜率这个单指标，是典型的认知偏差。

4.2 我重构评估体系后真正盯住的指标

吃了一次亏之后，我做了一套新的评估清单，逐项检查策略成色：

这里面最容易被新手忽略的是最大回撤。一个策略哪怕年化50%，如果过程中要经历40%的回撤，绝大多数人根本拿不住——要么中途割肉，要么加杠杆爆仓。回撤不仅是数学问题，更是行为学问题。

4.3 为什么要做"交易成本敏感性分析"

我后来还做了一件之前没做过的事：成本敏感性分析。把交易成本（手续费+滑点）分别设为0、万二、万五、千一四档，跑同一个策略，看净值曲线变化。结果让人冒冷汗：

• 成本为0：年化收益28%，近90%胜率
• 成本万二：年化收益掉到15%
• 成本万五：年化只剩6%
• 成本千一：策略直接亏损

这说明我的策略本质上赚的是"微薄的方向性收益"，对成本极度敏感。实盘里滑点往往比想象中更大，一进一出，利润全被磨平。没有做过成本敏感性分析的策略，都是纸面富贵。

5. 重构策略后的心得与可复用的改进思路

5.1 用前向验证（Walk-Forward）代替一次性回测

我最核心的改动，是把"一次性回测"换成了前向验证。做法是：把历史数据切成很多段，每段用前面的数据训练、紧跟着的下一段做验证，然后逐步向前滚动。这更贴近真实交易的节奏：你在每个时间点只能用到当时已经发生的数据。

具体流程我简化成三步：

1. 用过去500个交易日的特征训练模型；
2. 在之后的60个交易日做样本外预测并模拟交易；
3. 每60天重新训练一次，滚动覆盖全部历史数据。

这样得到的收益曲线，每一段都是"当时真实可做到的"，而不是事后诸葛。我改完之后，那个虚高的90%立刻现出原形——样本外胜率在55%到65%之间徘徊，但也正因为这个数字真实了，后续的优化才真正有意义。

5.2 给特征"减肥"：少即是多

我把最初20多个特征砍到只剩下几个核心项：收益率、波动率、成交量变化率、价格相对中长期均线的偏离度。砍掉那些高度相关的指标（比如RSI和KDJ本来就是近亲，都源于价格位置），模型过拟合程度明显下降。

这里有个朴素的经验：特征越多，越容易拟合噪音；特征越少，模型被迫去学真正有用的结构。我当时用一个简单办法验证特征有效性——逐个特征做置换重要性排序，把置换后模型精度掉得最多的特征留下，其他删掉。删完以后，验证集表现反而更稳了。

5.3 把成本模型嵌进验证流程

现在我的所有回测都强制计入成本。不是简单加一个固定手续费，而是更细一点：按流动性水平和成交量分层估计滑点，成交额小的标的滑点系数拉高。这样回测曲线不会再有"理想国"的感觉。

嵌入成本之后的策略才是真正可讨论的策略，这一步和指标一样重要。在成本完全吞掉策略收益之前，根本谈不上讨论策略优劣。

5.4 组合层面模拟：单票开仓改为分散持仓

另一个重要改动，是从"单票重仓"改成"组合分散"。单票预测的难度和不确定性都太高，一次黑天鹅就能让账户重伤；但如果你同时持有十几只标的，并且每只的仓位上限控制在5%以内，即使某只标的预测方向错了，对整体净值的影响也可控。

组合层面的模拟不只是把单票结果简单相加，还要考虑标的相关性。我当时选了不同行业的标的，避免扎堆在某一个板块。这个改动直接降低了净值曲线的波动，最大回撤从原来的20%以上压到了10%以内——虽然收益也被摊薄了一些，但拿得住才是关键。

5.5 我最后留下的一条铁律

整个项目跑下来，我给自己立了一条规矩：任何策略，首先在样本外拿到稳定的正期望，其次在计入真实成本后依然不亏，最后再谈胜率高低。顺序不能反。90%的胜率可以当作一个有趣的结果来展示，但如果它经不起样本外验证、经不起成本检验、经不起风格切换的考验，那它就是一个数字幻觉。

这只是我个人在这个模拟项目里的一次完整试错记录，不构成投资建议，也谈不上什么高深理论。我更想传达的是：AI工具确实能帮人做大量数据分析和模式挖掘，但它不会改变市场的基本规律——不确定性永远存在，所谓的"高胜率"往往只是某种统计口径下的产物。认清这一点，比找到一个"完美策略"重要得多。

如果你也在做类似的尝试，我的建议是多花时间在验证机制上，而不是模型调参上。数据怎么切、标签怎么定义、成交假设是否符合实际、成本有没有计入——这四个问题想清楚了，哪怕模型简单一点，出来的结论也踏实得多。