Cristalsil苏做量化这几年，我最大的感悟是：大部分策略都在赚“顺势”的钱，趋势来了重仓追、震荡来了轻仓熬。但市场真正容易出大机会的地方，反而集中在急跌后的“抄底”环节。传统做法靠盘感，最多挂个条件单，本质上是拿真金白银赌“我觉得跌够了”。直到我把这个环节交给机器学习，才第一次觉得“猜底”这件事也有了一套可以复盘、可以迭代、可以交给系统自动执行的流程。第十五期线上培训，我们准备专门讲这块——用机器学习训练一个“激进抄底”模型，让量化系统在下跌行情里也能找到高赔率的入场机会。
这篇文章我会把这次培训背后的技术思路完整梳理一遍：为什么要做“激进抄底”、样本和标签怎么设计、特征怎么构造、模型怎么训练和检查、回测和风控怎么落地，以及我们实操中踩过的坑。适合三类人看：一是正在做量化但只会趋势策略的交易员，二是想入门机器学习但不知道从哪里下手的开发者，三是已经在跑ML模型但总觉得预测结果不稳定的朋友。哪怕你暂时不报名培训，把这套方法论吃透，也足够自己搭一个能跑的抄底模型。
1. 为什么量化系统需要“激进抄底”模型
1.1 传统策略在下跌行情里的集体失灵
趋势跟踪策略的假设是“价格会沿着已有方向继续运行”，这在单边上涨里很香，但在急跌行情里就是灾难。你按信号做空，结果超跌反弹直接打掉止损；你不做空，又眼睁睁看着趋势利润回撤。很多CTA策略在2022年以后回撤加大，本质原因不是因为模型不聪明，而是行情风格从“慢趋势”变成了“急跌急涨”，传统止盈止损根本跟不上。
网格策略更头疼。下跌时网格一层层买进去，刚买到第五层，行情直接加速跳水，仓位越接越重，最后变成被动长线。我见过太多人把网格做成“越跌越买、越买越套”的现货套牢法，原因就是网格没有“止损”概念，也没有判断“这个位置值不值得买”的能力。它只是在机械地执行价格间隔，完全不看估值、不看情绪、不看超跌程度。
至于人工抄底，问题就更明显了。价格跌到心理价位，忍不住加仓；反弹了又舍不得卖，总想着“还能再涨”；深套了就装死。这些行为本质上都是情绪决策，不是统计决策。我最早做抄底策略的时候也一样，复盘时发现：我的胜率不低，但盈亏比烂得离谱，赢的时候赚5%，输的时候亏30%，等于把“抄底”做成了“接飞刀”。
1.2 机器学习解决的是“该不该买”的问题
传统量化策略擅长回答“在什么价格买”和“买多少”，但很少回答“现在这个位置值不值得买”。机器学习模型恰恰擅长干这个：它可以从历史数据里学习“过去哪些超跌形态之后真的反弹了”、“反弹的幅度和概率是多少”、“什么样的环境不适合抄底”。
我们给这个模型起名叫“激进抄底”，这里的“激进”不是让你满仓干，而是指它在风险预算可控的前提下，愿意承担比普通策略更高的不确定性，去博取高赔率。换句话说，普通策略要求90%的胜率才敢出手，激进抄底模型可能只在35%到45%的胜率下就敢入场，但一旦对了，盈亏比可以做到3比1甚至5比1。这不是拍脑袋定的，而是用历史数据回测出来：很多超跌反弹的幅度远大于继续下跌的幅度，只不过反弹概率不高，导致普通人不敢买。
机器学习在这个场景下还有一个独特的价值——可复盘。人工抄底亏了，你很难说清楚是“判断错了”还是“运气不好”；模型抄底亏了，你可以打开特征重要性、预测概率分布和样本回看，搞清楚到底是哪几个特征误导了模型。这种“能解释的失败”是长期迭代的基础。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 核心思路：先把“抄底”定义成机器学习任务
2.1 任务定义：分类还是回归
建模之前必须先回答一个问题：我们要预测什么？
常见的做法有两种。第一种是分类任务，定义正样本为“未来5个交易日内涨幅超过3%”，让模型输出一个概率值；第二种是回归任务，直接预测未来5日收益率，再用阈值筛选入场。两种我都试过，给新手的建议是：优先做分类。原因很简单，分类任务的评价指标更直观，准确率、召回率、AUC都是现成的，业务上也更好解释——“模型说这个位置有40%的概率反弹5%以上”。
如果你要做回归，也不是不行，但会遇到两个麻烦：一是回归模型对极端值非常敏感，好日子和坏日子的收益差距太大，模型容易变成在拟合异常值；二是回归误差的分布通常不正态，直接用MSE做损失函数会有偏差。所以我推荐用分类方案起步，等把整个流程跑通之后，再考虑用回归输出做精细化仓位管理。
2.2 样本池构建：不是所有K线都能进训练集
这里非常关键。如果直接把全市场所有股票的所有交易日都丢给模型训练，模型大概率学到的是“市场长期上涨”，而不是“超跌之后会反弹”。我们需要先圈定一个候选样本池，只保留“超跌状态”的样本。
我的做法是：先计算每个股票过去20个交易日的累计跌幅，当累计跌幅低于某个阈值（比如-12%）时，把这一天标记为“超跌观察日”。然后对这个观察日之后的N天收益做标签。这样做的逻辑是：我们是在回答“已经跌了很多之后，该不该买”，而不是在回答“任何时刻该不该买”。
阈值怎么选？不推荐固定死，而是要根据股票的波动率做标准化。比如把“过去20日跌幅”除以“过去40日的年化波动率”，得到类似“N倍标准差”的指标。低波动的银行股跌5%已经算超跌，高波动的科技股跌5%可能只是日常波动，放在一个模型里会比较失衡。标准差标准化之后，样本之间就具备可比性了。
2.3 标签设计：防止未来函数的一票否决
做机器学习量化最怕的就是标签穿越，也就是把未来信息混进样本。常见的坑有两个。
第一个坑：未来复权因子泄露。如果你用的是后复权价格，那么当前K线的价格可能包含了未来除权除息的信息，标签和特征同时在用后复权价，模型会在训练时“偷看”未来的分红配送信息，实盘时却拿不到。正确的做法是训练时用前复权或原始价格计算收益率，特征尽量用非复权数据衍生，或者至少保证特征和标签来自同一价格口径且没有未来信息的引入。
第二个坑：标签窗口跨度过长。比如你预测未来20日的收益，但样本在最后20日内到期，收益没有走完，会造成标签截断偏差。我建议在标签计算时，剔除“从观察日到样本结束日不足完整窗口”的样本。同时，窗口期的长度也要和交易逻辑匹配。激进抄底通常看5日到10日的反弹窗口，太短容易被噪音主导，太长又变成赌beta，没有意义。
标签计算的代码大概长这样：
python复制import pandas as pd
def make_label(df, forward_days=5, ret_threshold=0.03):
# df必须包含前复权close，且按股票代码和时间排序
df = df.sort_values(['code', 'date'])
future_ret = (
df.groupby('code')['close']
.shift(-forward_days) / df['close'] - 1
)
df['forward_ret'] = future_ret
df['label'] = (df['forward_ret'] > ret_threshold).astype(int)
# 剔除未来窗口不足的样本（尾部样本）
df['is_complete'] = future_ret.notna()
return df[df['is_complete']].copy()
这段代码有个细节：shift(-forward_days) 用的是每个股票分组内的向前偏移，天然规避了股票之间的数据污染。标签阈值3%可以根据品种和周期调整，如果目标周期只有3天，阈值要降低到1.5%到2%，否则正样本太少。
3. 特征工程：把“跌无可跌”翻译成模型能懂的信号
3.1 超跌类特征：抄底模型的“基本面”
这一类特征是核心中的核心，用来刻画“这只股票跌得有多深、多快、多反常”。我常用的特征包括：
- 过去5日、10日、20日累计跌幅
- 乖离率：收盘价与20日均线的偏离百分比
- RSI(6)、RSI(14)：低于30的超卖区间
- 布林带位置：收盘价在布林带下轨之外的距离百分比
- 年化波动率分位数：波动率处于过去一年哪个分位
这些特征不需要全部用，但至少要保证覆盖“跌幅”和“超卖程度”两个维度。我的经验是：乖离率和波动率分位数的组合特别有用，因为它能区分“跌得很惨但波动极低”和“跌得很惨但波动极高”两种完全不同的形态。前者可能是错杀，后者可能是踩踏。
3.2 盘中与交易行为特征：确认抛压是否衰竭
光看价格不靠谱，还要看交易行为。抄底最怕的是“下跌没结束”，所以我们要找那些“卖压在衰竭”的证据。
- 成交额变化率：过去3日平均成交额 vs 过去20日平均成交额
- 换手率是否出现明显放大或缩小
- 大单资金净流入：用Level-2数据的买单金额减去卖单金额
- 买卖价差：价差收窄说明流动性改善
- 低价股附近的价格档位挂单结构
这里有一个实操心得：成交量的量价配合非常关键。如果下跌是放量的，说明抛压还在释放，不要急着抄；如果下跌到末端出现缩量止跌，反弹的概率会明显提高。模型端不需要你手动做这种判断，但你给它的“量能变化”特征越丰富，它越容易学到这个规律。
3.3 市场环境特征：别在泥沙俱下时单独接飞刀
个股的超跌反弹概率，和市场整体环境高度相关。大盘单边下跌时，个股超跌反弹的成功率会显著下降；大盘本身已经企稳时，个股超跌反弹几乎是指数级别的。所以特征里一定要加入市场环境变量：
- 上证指数或宽基指数的20日跌幅
- 指数RSI
- 市场情绪指标：上涨家数占比、涨停家数、连板高度
- 行业指数相对强度：个股所属行业板块近20日排名分位
这类特征可以从板块层面做groupby聚合，再map回个股。实现也很简单，先算指数特征，然后按日期纵向合并即可，不需要搞复杂的时序对齐。
3.4 特征清洗与保存：别忘了做分位数截断
特征工程做完之后，别忘了做极端值截断。机器学习模型对离群值敏感度不一，但LightGBM这类树模型对极端值的容忍度相对高，xgboost也还行，但如果你后续要切换神经网络模型，不做清洗会直接影响损失函数。实践里我建议用分位数截断（上下1%或0.5%）把极端值拉回正常范围，而不是直接删除样本。特征统一做标准化或归一化，在树模型里不一定要做，但如果你打算做模型融合、后续上深度网络，标准化就是必须的。
特征保存格式统一用parquet，按日期分区存放，训练时按时间段加载。不要用CSV堆大文件，否则后面滚动训练时读数据能等哭你。
4. 模型训练与工程落地细节
4.1 模型选型：为什么主力还是GBDT
深度学习这两年很火，transformers、扩散模型、世界模型各种名词满天飞，但在量化抄底这个场景下，我的主力模型依然是LightGBM和XGBoost。原因有三点。
第一，样本量不够。所谓“超跌样本”本身在历史上就占少数，再按股票和时间分去重之后，普遍只有几万到几十万条，这点数据量深度学习根本吃不饱。第二，特征维度适中，几十个特征用树模型足够表达复杂交叉关系。第三，可解释性。金融模型背后是真实资金，你不能在模型预测错误时只说“神经网络的黑盒效果”，你需要知道是哪个特征让它做出了错误判断。LightGBM的feature_importance、plot_tree都是现成的诊断工具。
这不代表深度学习没有用。我们的规划里，后续会用LSTM或Transformer模型做序列特征提取，再和GBDT做融合，但这是训练进阶阶段的事，刚入门的同学先把GBDT跑通再说。
4.2 时间序列验证：普通K折是错的
机器学习入门教程里常用的train_test_split和K折交叉验证，在量化场景里都要慎用。原因很简单：金融数据是有时间顺序的，用未来数据训练、历史数据验证，等于作弊。你拿2023年的数据训练，用2022年的数据验证，模型当然会觉得“未来都知道了，预测个啥都准”。
正确做法是滚动时间窗口验证：用第1到第36个月训练，第37个月验证；然后第2到第37个月训练，第38个月验证，以此类推。这样每一步训练都只用过去信息，验证的是模型对未来一个月的真实泛化能力。
python复制from lightgbm import LGBMClassifier
def rolling_train(df_features, months_train=36, months_val=1):
all_months = sorted(df_features['month'].unique())
models = []
for i in range(months_train, len(all_months) - months_val + 1):
train_months = all_months[i - months_train:i]
val_month = all_months[i]
train = df_features[df_features['month'].isin(train_months)]
val = df_features[df_features['month'] == val_month]
model = LGBMClassifier(
n_estimators=500,
learning_rate=0.02,
max_depth=5,
num_leaves=31,
colsample_bytree=0.8,
subsample=0.9
)
model.fit(
train[feature_cols], train['label'],
eval_set=[(val[feature_cols], val['label'])],
callbacks=[early_stopping(50)],
)
models.append(model)
return models
注意这里的early_stopping也是基于滚动验证集，不是基于训练集。这样才能真实反映泛化能力。
4.3 正负样本不均衡：别让模型学到“永远不抄底”
超跌反弹本身是少数事件，正样本比例可能在5%到15%之间。如果不做处理，模型会倾向于把所有样本都预测为负样本，因为这样准确率也能到90%以上，但毫无意义。处理办法有三个。
第一是负样本降采样，随机抽取一部分负样本，让正负比接近1比2到1比3，树模型在小数据量下效果就很好。第二是样本加权，给正样本一个更高的权重，相当于告诉模型“预测错了正样本代价更大”。第三是调整决策阈值，不要用默认的0.5做分类阈值，而是画出PR曲线，找到precision和recall的平衡点。激进的抄底策略通常更关注recall，宁可错过也别在危险位置频繁交易，所以阈值一般会设在0.3到0.4之间。
我实际跑下来，负样本降采样效果最稳，也不容易引入额外的调参维度。样本加权在极端不平衡时用，但一定要配合滚动验证观察稳定性。
4.4 模型融合与蒸馏：一个被低估的组合拳
单模型在金融数据上经常出现“过拟合某一段行情”的问题，比如某段时间模型学会了大涨股的特征，下一段行情就失灵。一个简单有效的对策是模型融合：把LightGBM、XGBoost、CatBoost三个模型同时训练，然后对它们的输出概率做加权平均或排名平均。
最初我担心融合会让模型变得迟钝，但实测下来，融合之后的是AUC通常比最优单模型高0.02到0.05，回撤有明显降低。原因是不同模型对特征的敏感区间不一样，融合后就抵消了一部分噪音。激进抄底模型这个场景特别适合融合，因为它本身面对的信号噪音就大。
融合之后还有一个进阶操作——模型蒸馏。蒸馏的思想是大模型/集成模型负责学习“高精度答案”，然后让小模型去学习“大模型的输出分布”，从而在保持精度的前提下大幅降低推理耗时。实盘场景里，如果你用3个树模型做融合，每个下单信号要跑3次推理，延迟会高不少，尤其高频场景下很难接受。蒸馏到一个单模型后，精度只损失0.5%左右，但速度能提升3倍。我推荐用LightGBM的带soft label训练功能做蒸馏，实现起来非常方便。
4.5 用“模型检查器”盯住训练过程
训练过程中一个很容易被忽略的环节是模型检查器。所谓“模型检查器”，其实就是一套自动化的检查工具，在训练完成后自动输出一系列“体检报告”，包括特征分布、特征重要性排序、预测概率分布、按时间维度的表现分段、自定义规则的违反情况等。
为什么需要专门做这一步？因为我踩过一个大坑：有几次跑完训练，AUC和准确率都很好看，但是实盘效果很差。后来才发现是训练样本的时间分布不均匀，早期样本远多于近期样本，模型学到的基本是几年前的规律。模型检查器里的按月度表现分段就能一眼看出这种问题。
我建议每一个量化训练任务都要配一个简易模型检查器，至少包含这几项检查：
- 特征缺失率：有没有新增股票把特征变成NaN
- 特征值范围：有没有突然出现超出训练分布10倍的值
- 特征重要性：最重要的特征是否随训练月份稳定，而不是每个月都在变
- 预测分布一致性：训练集和验证集的预测概率分布是否接近
- 分组表现：按月份、按行业、按市值分组看AUC有没有明显短板
python复制def check_predict_shift(val_df, model, feature_cols):
val_df = val_df.copy()
val_df['pred'] = model.predict_proba(val_df[feature_cols])[:, 1]
monthly = val_df.groupby('month')['pred'].agg(['mean', 'std', 'median'])
# 检查预测均值是否在某个月出现明显跳变
mean_all = monthly['mean'].mean()
shift_thresh = mean_all * 1.5
bad_months = monthly[monthly['mean'] > shift_thresh].index.tolist()
return bad_months
这套检查器不复杂，但能省下大量实盘踩坑的时间。我们在第十五期培训里会专门留出一个课时，教大家从零搭建这个模型检查器，并配置成训练完成后自动运行。
5. 回测与风控：别把回测神话，也别把模型裸奔
5.1 回测里的“隐形杀手”：交易成本与涨跌停
模型训练完了，下一步最激动人心的是跑回测。但回测界有一个广为人知的潜规则：回测曲线有多漂亮，实盘亏损就有多惨烈。尤其抄底模型，回测时如果不处理涨跌停，问题会特别大。
比如模型在某天下午选出某只跌停股，回测系统默认你能以跌停价买入，第二天涨停卖出，收益算出来能上天。但实盘里跌停板上你根本买不进去。所以回测必须设置涨跌停不可成交的约束，并且对买入价加上滑点。我给新手的建议是：每次买入模拟价加0.1%到0.3%的滑点，卖出也加，不要只算单边。频繁交易的模型，双边成本叠加后收益会缩水一大截。
另一个容易忽略的点是停牌处理。A股个股停牌频繁，回测时如果不剔除停牌日的数据，标签计算时会把停牌那几天的零收益也当成长时间横盘，导致信号失真。
5.2 风控模块：激进不代表裸奔
模型名字叫“激进抄底”，但风控恰恰要更严格。我在实盘里给抄底策略设计了四层风控：
- 个股止损：入场后单笔亏损超过8%，无条件止损离场，亏损超过8%说明“超跌反弹”的前提被证伪了
- 组合最大回撤：策略总体回撤超过15%，停止开新仓，进入冷却期
- 单日最大买入市值：防止某一天模型突然输出大量买入信号，导致仓位过度集中
- 行业敞口限制：单行业持仓占比不超过30%，避免一个板块的集体踩踏把整个组合带崩
这些风控规则不复杂，但能直接决定模型能不能长期活下来。抄底策略最怕的不是连续错三五次，而是连着错的时候一次比一次仓位重，最后本金直接腰斩。所以仓位管理大概率比模型本身更重要。常见做法是根据模型的预测概率分档，概率高的仓位高，概率低的仓位低，而不是要么满仓要么空仓。
5.3 模型上线与监控：模型也会“过期”
机器学习模型不是训练完就可以永久使用。市场的统计特征会漂移，比如2023年之前有效的“小市值超跌反弹”规律，在量化资金大量进入之后可能就失效了。我建议实盘模型至少每月重新训练一次，每次训练后跑模型检查器，对比新旧模型的预测分布和特征重要性。
还要监控一个指标叫PSI（群体稳定性指数），它可以衡量线上模型的预测概率分布和训练时的分布是否偏离过大。PSI超过0.25，基本可以确定市场环境发生了结构性变化，这时候要果断降仓位或者停用模型，不要跟市场硬刚。我在培训里会讲怎么用Python一行行算PSI，以及如何设置自动提醒。
6. 常见问题与排查技巧实录
6.1 模型AUC很高，实盘却亏钱
这是量化新人最爱问的问题。原因通常是三选一：一是前视偏差，回测中不小心用了未来数据，典型如用了后复权价格，或者在特征里混入了未来财报数据，这点在特征工程部分已经强调过；二是过拟合，AUC高是因为模型把训练样本都背下来了；三是回测和实盘的成本假设不一致，回测没算滑点和冲击成本。排查顺序建议先检查成本假设，再检查数据口径，最后降低模型复杂度测试是否显著掉点。
6.2 特征重要性每个月都变，怎么办
训练完看LightGBM的feature importance，发现重要特征每个月都在换，说明模型没有学到稳定规律，只是在拟合噪音。解决办法有几种：一是增加训练数据量，用更长的历史跨度；二是对特征做去相关性，把高度相关的特征合并或剔除；三是减少模型复杂度，树深度从6降回4，叶子节点数降小。还有一个小技巧是加入特征子集稳定性检查：用三个不同时间窗口跑模型，取特征重要性的交集，交集特征才是真正值得信任的。
6.3 预测概率集中在0.5附近，拉不开差距
这种情况一般是特征区分度不够，或者正负样本重叠度过高。我做过的有效改进有两个：一是给特征增加交互项，比如“乖离率×波动率分位数”，把原本线性不可分的分布拉开；二是增加更强的行业中性化处理，把个股的上涨部分剔除大盘或行业的beta贡献，让模型专注捕捉alpha。很多时候，不是模型不行，而是你让它预测的对象本身含了太多市场噪音。
6.4 极端行情下模型反复止损
反弹模型在单边下跌的熊市尾巴里表现会特别惨。不是模型失效，而是它的假设“超跌之后会反弹”在极端风险事件中可能被暂时打破。我的经验是：给模型加一个市场环境开关，当大盘指数站上20日均线下方超过一定天数时，强行降低抄底信号的可交易金额；或者直接用市场情绪特征作为模型输入，让模型自己在极端环境下选择“不做”。这种“不做”的决策也是机器学习能给量化系统带来的智慧。
7. 第十五期线上培训详解
7.1 课程大纲与形式
这次培训不是录播课，而是线上直播加答疑，持续两周，每周三节课，每节课两小时左右，课后留实战作业。大纲按照我们上面这套方法论展开，但比文章详细得多，每一步都有代码演示和运行结果：
- 第一周：机器学习环境搭建、数据获取与清洗、特征工程完整示例
- 第二周：样本标签设计、滚动训练与验证、模型融合与蒸馏、模型检查器配置
- 第三周：回测系统搭建、涨跌停与交易成本处理、风控模块实现、模型上线与监控
核心交付物是一个可以直接跑通的“激进抄底”策略代码库，包括数据预处理、特征构建、训练脚本、模型检查器、回测引擎和风控模块。你拿过去换自己的股票池参数就能跑。
7.2 适合人群与常见误区
我特别想提醒几类朋友：第一类是刚学完Python基础、还没碰过机器学习的，可以直接来，我们有环境搭建和代码讲解；第二类是已经在用现成的机器学习库做别的场景、想迁移到金融领域的，可以重点听特征工程和回测部分；第三类是已经在跑某些开源量化框架的，可以带着自己的模型和问题来，答疑环节专门留了时间。
但如果你以为听完课就能躺赚，那还是省省。量化交易是系统工程：数据质量、特征逻辑、风控纪律，每一样都比模型本身重要。我们的培训教的是这套系统怎么搭、怎么避坑，不是给你一个稳赚的“黑盒”。
7.3 报名方式与注意事项
报名方式是直接扫码或添加助理企业微信，备注“第15期培训”即可。为了保证答疑和作业批改质量，每期限额50人，目前已经报了三十多位。开课前一周统一拉群发课程链接和代码环境准备清单。课程结束后会保留三个月答疑群，平时跑模型卡住了可以直接在群里问。
有一点需要强调的是，培训内容涉及的所有代码、数据样例和讲义，只供学员个人研究学习使用，不包含任何荐股和代客理财服务。我们讲的是方法论，不是内幕信息，也不是收益承诺。
写在最后：一个过来人的心里话
做了这么多年的量化模型，我最大的体会是：模型再聪明，也取代不了纪律；信号再准，也抵不过仓位失控。“激进抄底”这个名字看起来是在鼓励大胆操作，但实际上它背后是一整套关于概率、风险和应对失败的工程标准。大家在实盘里一定要记住：抄底模型给的信号只是一个可能性，不是保证。配合好止损、仓位和回撤控制，你可以活到下一次大机会来临；如果丢开风控去赌“这次一定能反弹”，那不管机器学习还是人工判断，结局大概率都是一样的。
最后再分享一个我自己常用的习惯：每跑完一轮训练，我都会把模型检查器的报告截图存下来，和当月的实盘业绩对照。坚持三个月，你会发现那些“模型回测好但实盘差”的问题，其实早就写在检查报告里，只不过当时没有仔细看。希望这次的分享和第十五期培训，能帮你少走一段弯路。