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。
