企业官网建设流程全解析

简介：这份资源面向已具备一定Python与量化金融基础、希望动手实践《金融机器学习进展》一书核心方法的学习者，提供书中选定练习的实验性解决方案。内容围绕监督学习中的标注与元标注、金融交叉验证、样本权重、分数阶差分特征以及Tick、成交量与美元成交量bar构建等主题展开，以Jupyter Notebook形式组织实验过程，并配套src工具脚本与可复用的环境配置，便于读者对照书中理论逐章复现与调试。资源包共43个文件，以18个py脚本、6个ipynb笔记本为主，辅以rst文档、Makefile、配置文件及示例数据，压缩包约2.8MB，目录按notebooks、src、docs、data等模块划分，结构清晰。已有342人学习下载，适合作为金融机器学习练习的参考实现与排错对照材料。

1. 从一份练习仓库说起：金融机器学习不是调包，是把标签、权重和交叉验证重新想一遍

如果你做过量化建模，大概都经历过这种落差：sklearn 的fit/predict跑得飞快，回测曲线漂亮得像假的，一上实盘就原形毕露。问题往往不在模型，而在建模之前的那几步——标签怎么打、样本怎么加权、交叉验证怎么切。这份 Adv_Fin_ML_Exercises 仓库，就是围绕一本金融机器学习专著里的习题做的实验性解答集合，主体是一批 Jupyter Notebook，把「金融数据特有的坑」拆成一个个可以跑、可以改的小实验。它不适合想找现成策略的人，适合已经会用 pandas 和 sklearn、但被「回测很美、实盘很惨」折磨过的从业者，以及想系统补齐金融建模方法论的学生。下面按「这是什么 → 怎么跑起来 → 每个实验在解决什么 → 哪里会翻车」的顺序拆。

2. 把仓库跑起来：环境、目录与 Notebook 执行顺序

2.1 先看清仓库的组成与依赖边界

这类习题仓库通常不是一个大而全的工程，而是一组松散的 Notebook，每个文件对应书里一个主题。拿到手第一件事不是急着jupyter notebook，而是先摸清目录结构和依赖范围。常见做法是先看根目录有没有requirements.txt或environment.yml，再看 Notebook 的命名是否带章节号。命名带编号的，执行顺序基本就是阅读顺序；命名是主题词的，就得自己判断依赖关系——比如「多标签分类」的实验往往要用到前面「标签构造」实验里生成的 DataFrame。

依赖上要特别留意两点。第一，金融机器学习类仓库经常依赖较老的scikit-learn和pandas版本，新版 API 改名（比如sklearn.cross_validation早已移除）会直接让 Notebook 在第一个 cell 就报ImportError。第二，部分实验会用到statsmodels、scipy、matplotlib，个别会碰numba做加速。我的习惯是单独建一个虚拟环境，不要污染主环境，因为这类仓库的版本约束经常和你在跑的生产项目冲突。

# 建独立环境，Python 版本按仓库 README 或 Notebook 里的内核信息选 python -m venv venv_finml source venv_finml/bin/activate # Windows 用 venv_finml\Scripts\activate # 先装基础三件套，版本不要一上来就拉最新 pip install "numpy<2" "pandas<2.2" "scikit-learn<1.4" \ matplotlib statsmodels scipy jupyter # 如果仓库带 requirements.txt，优先用它，但先看一眼里面有没有钉死的老版本 pip install -r requirements.txt

这段命令的关键在版本上限。numpy<2是因为不少老 Notebook 用了在 NumPy 2.0 里被移除的别名；pandas<2.2是为了避开一些append、inplace行为的变更；scikit-learn<1.4则是防止交叉验证相关类的签名变化。装完先别批量执行，挑一个最短的 Notebook 跑通，确认内核能起来、能 import，再往下走。

2.2 Notebook 的执行顺序与内核选择

Jupyter 最大的坑是「隐藏状态」：你以为按顺序跑完了，其实中间某个 cell 被跳过，变量还是上一次的残留值。复现这类习题仓库，正确姿势是每个 Notebook 开头执行Kernel → Restart & Run All，而不是一个个 cell 手动点。手动点出来的结果，你自己都说不清是这次算的还是上次算的。

# 启动时指定端口，避免和本机其他服务冲突 jupyter notebook --port 8899 --notebook-dir=./Adv_Fin_ML_Exercises # 更推荐用 nbconvert 无头执行，能一次性暴露所有报错 jupyter nbconvert --to notebook --execute \ --ExecutePreprocessor.timeout=600 \ --output executed_check.ipynb \ "第X章_某实验.ipynb"

--ExecutePreprocessor.timeout=600是给那些要跑交叉验证、样本量又不小的实验留的时间余量，默认超时经常不够。--output指定输出文件，避免覆盖原始 Notebook——原始文件是你的「后悔药」，改坏了还能对照。执行完打开executed_check.ipynb，看每个 cell 的输出是否合理，尤其是中间打印的样本数、标签分布，这些数字对不上，后面所有结论都不可信。

提示：如果某个 Notebook 在Restart & Run All下报错，但手动逐格能跑通，八成是 cell 之间有隐式依赖或随机种子没固定。先找np.random.seed和random_state参数，再查是否有 cell 依赖了未在当前文件定义的变量。

2.3 数据从哪来：自带样例与外部数据的替换点

习题仓库一般会自带小规模样例数据，或者用代码现场生成合成数据。合成数据的好处是可复现、不涉及真实行情，坏处是它太「干净」，很多金融数据的毛病（缺失、非同步、幸存者偏差）体现不出来。我一般会先跑通自带数据，确认逻辑无误，再把自己的数据按同样的列名和索引结构替换进去，做一次「换数据不换代码」的验证。

替换时最容易翻车的是索引。金融时序实验通常要求DatetimeIndex，而且很多函数默认按时间排序、按频率重采样。你直接塞一个带整数索引的 DataFrame 进去，代码不报错，但滚动窗口算出来的全是错的。替换前先做一次结构对齐：

import pandas as pd df = pd.read_csv("your_data.csv", parse_dates=["date"], index_col="date") df = df.sort_index() # 时间必须单调递增 df = df[~df.index.duplicated(keep="first")] # 去重，重复时间戳会让滚动窗口错位 assert df.index.is_monotonic_increasing print(df.index.freq) # 打印频率，None 说明不规则，后续重采样要显式指定

parse_dates把日期列转成时间类型，sort_index保证单调，去重是因为行情数据偶尔会有重复时间戳，滚动窗口遇到重复索引会静默算错。df.index.freq打印出来如果是None，说明数据不是规则频率，后面凡是涉及resample或固定窗口的地方都要显式传freq参数，不能依赖推断。

3. 标签、样本权重与交叉验证：三个实验背后的方法论

3.1 为什么固定时间窗口打标签会骗人

书里反复强调的一个点：用「未来固定天数收益是否为正」来打二分类标签，看似直观，实则埋了两个雷。一是标签重叠——相邻样本的预测窗口大量重合，导致样本之间不独立，交叉验证的分数虚高；二是固定窗口忽略了「价格什么时候真正触及某个阈值」，一个 5 天后才涨的样本和一个当天就涨的样本被打了同样的标签，信息量完全不同。

仓库里对应的实验通常会用「三重障碍法」的思路：给每个样本设一个上障碍（止盈）、一个下障碍（止损）、一个时间障碍（最长持有期），看价格先碰到哪个，据此打标签。这个方法的实现要点是逐样本向前扫描价格序列，记录首次触及障碍的时间点。核心逻辑大致如下：

import numpy as np import pandas as pd def triple_barrier_labels(price: pd.Series, t_events: pd.DatetimeIndex, pt_sl=(2.0, 2.0), max_hold=20, vol_window=20): """pt_sl: 止盈/止损的波动倍数; max_hold: 时间障碍(bar数)""" vol = price.pct_change().rolling(vol_window).std() labels, t1 = {}, {} for t0 in t_events: if t0 not in price.index: continue idx = price.index.get_loc(t0) end = min(idx + max_hold, len(price) - 1) path = price.iloc[idx:end + 1] sigma = vol.iloc[idx] if not np.isfinite(sigma) or sigma == 0: continue upper = price.iloc[idx] * (1 + pt_sl[0] * sigma) lower = price.iloc[idx] * (1 - pt_sl[1] * sigma) hit_up = path[path >= upper] hit_dn = path[path <= lower] t_up = hit_up.index[0] if len(hit_up) else None t_dn = hit_dn.index[0] if len(hit_dn) else None # 先到者决定标签，都没碰到则时间障碍处按收益符号定 if t_up and (not t_dn or t_up <= t_dn): labels[t0], t1[t0] = 1, t_up elif t_dn and (not t_up or t_dn < t_up): labels[t0], t1[t0] = -1, t_dn else: labels[t0] = np.sign(price.iloc[end] - price.iloc[idx]) t1[t0] = price.index[end] return pd.Series(labels), pd.Series(t1)

pt_sl是止盈止损相对波动率的倍数，max_hold是时间障碍的 bar 数，vol_window控制波动率估计的窗口。参数怎么调：波动倍数太小会让绝大多数样本都触发障碍、标签分布极端；太大则大量样本落到时间障碍、退化成固定窗口。我一般先用 1.5 到 2.5 之间试，跑完看标签分布是否接近均衡，再看t1（首次触及时间）的分布是否集中在时间障碍附近——如果九成样本都卡在max_hold，说明障碍设得太宽，等于没设。

注意：这个函数是逐样本循环，样本量大时会慢。生产里常见做法是向量化或用numba加速，但习题阶段先保证逻辑正确，别一上来就优化。

3.2 样本权重与「不独立样本」的降权

标签重叠带来的直接后果是：同一段价格被多个样本共享，模型会过度拟合这段行情。书里的处理思路是给每个样本一个「唯一性」权重——一个样本的预测窗口里，有多少比例是它独占的。独占比例越低，权重越小。仓库里对应的实验会先算出每个样本的t1（首次触及时间），再统计每个时间点被多少个样本的窗口覆盖，最后反推权重。

实现上分两步。第一步构造「并发计数」：对每个样本的[t0, t1]区间，在时间轴上累加计数。第二步对每个样本，取其区间内并发计数的均值，取倒数作为平均唯一性，再归一化。常见做法是用 pandas 的区间展开配合groupby计数，或者直接对时间索引做累加。这里给一个可读性优先的版本：

def uniqueness_weights(t1: pd.Series, price_index: pd.DatetimeIndex): # 每个样本覆盖的 bar 数 bar_id = pd.Series(np.arange(len(price_index)), index=price_index) concurrency = pd.Series(0, index=price_index, dtype=float) for t0, t_end in t1.items(): if t0 not in bar_id.index or t_end not in bar_id.index: continue s, e = bar_id[t0], bar_id[t_end] concurrency.iloc[int(s):int(e) + 1] += 1 # 每个样本区间内的平均并发数，取倒数 avg_conc = {} for t0, t_end in t1.items(): if t0 not in bar_id.index or t_end not in bar_id.index: continue s, e = bar_id[t0], bar_id[t_end] avg_conc[t0] = concurrency.iloc[int(s):int(e) + 1].mean() w = pd.Series(avg_conc).rpow(-1) return w / w.sum()

concurrency记录每个 bar 被多少样本的窗口覆盖，avg_conc是每个样本窗口内的平均覆盖数，取倒数就是「越独占权重越高」。归一化到和为 1 是为了后续和 sklearn 的sample_weight对接。参数上没什么可调的，真正要盯的是结果分布：如果权重高度集中在少数样本上，说明样本重叠严重，这时候要么拉长采样间隔，要么缩短预测窗口，别硬用权重去救。

3.3 交叉验证为什么不能随机切：Purged K-Fold 的落地

普通 K-Fold 在时序数据上是灾难：训练集里混进了测试集之后的信息，分数虚高到没有参考价值。书里给的方案是 Purged K-Fold——按时间分块，并且在训练集里「挖掉」与测试集标签窗口重叠的样本（purge），再在测试集两侧留一段缓冲（embargo），防止特征层面的信息泄漏。

仓库里对应的实验一般会实现一个自定义的交叉验证迭代器。核心是：先按时间把样本分成 K 段，每段轮流做测试集，训练集取其余段，然后对训练集里每个样本，检查它的[t0, t1]是否与测试集的时间区间重叠，重叠的剔除；再在测试集结束点之后留embargo个 bar 的样本也剔除。

def purged_kfold_splits(t0: pd.Series, t1: pd.Series, n_splits=5, embargo=0.01): idx = np.arange(len(t0)) fold_size = len(idx) // n_splits for k in range(n_splits): test_start = k * fold_size test_end = (k + 1) * fold_size if k < n_splits - 1 else len(idx) test_idx = idx[test_start:test_end] test_t0 = t0.iloc[test_idx].min() test_t1 = t1.iloc[test_idx].max() # purge: 训练样本窗口与测试窗口重叠则剔除 overlap = (t1 <= test_t0) | (t0 >= test_t1) train_idx = idx[overlap] # embargo: 测试集结束后一段缓冲也剔除 gap = (t1.index[-1] - t1.index[0]) * embargo train_idx = [i for i in train_idx if not (test_t1 < t0.iloc[i] <= test_t1 + gap)] yield train_idx, test_idx

n_splits是折数，embargo是缓冲比例（相对总时间跨度）。overlap那行是 purge 的核心：只保留窗口完全在测试窗口之前或之后的训练样本。embargo 那段是防止测试集刚结束、特征还带着测试期尾巴的样本混进训练。参数上，embargo设太小起不到隔离作用，设太大会让训练集缩水严重，常见从 0.01 起步，看训练集剩余样本量再调。跑完一定要打印每折的训练/测试样本数，如果某折训练集只剩个位数，说明 purge 太狠或者样本本身太稀疏，得回头检查标签窗口是不是设得太长。

4. 避坑与排查：这类习题仓库最容易翻车的五处

4.1 现象：Notebook 第一个 cell 就 ImportError，提示某个 sklearn 子模块不存在

原因基本是版本错配。书写作年代较早，代码里可能还在用sklearn.cross_validation、sklearn.grid_search这类早已移除的路径，或者用了某个后来改名的类。解决不是无脑降版本，而是先定位：报错行是 import 还是调用？import 报错就查该模块在新版里的对应位置（model_selection、cross_validation的替代），调用报错就看签名变化。实在改不动，再在独立环境里钉到报错提示的版本区间，别动主环境。

4.2 现象：Restart & Run All 跑到一半报 KeyError，但手动逐格能过

这是隐藏状态依赖。某个 cell 依赖了上一次运行残留的变量，或者依赖了另一个 Notebook 里定义的函数。解决：先全局搜变量名，确认它在本文件里有没有定义；再看是否有%run或import其他 ipynb 的写法。养成每个 Notebook 开头集中 import、集中定义常量的习惯，中间不临时造全局变量。跑之前固定np.random.seed，否则同样的代码两次结果不同，排查时根本分不清是逻辑错还是随机性。

4.3 现象：交叉验证分数高得离谱，接近 1.0

先怀疑数据泄漏，别急着高兴。检查三处：特征里有没有用到未来信息（比如用当日收盘价算的指标却在开盘时预测）；交叉验证是不是随机切的（时序数据必须用 purge 方案）；标签窗口和特征窗口有没有重叠。最常见的翻车是「标准化在切分之前做了」——用全量数据算均值和方差，测试集的信息就漏进了训练。正确做法是把 scaler 放进 Pipeline，在每折内部 fit。

4.4 现象：三重障碍法跑完，标签几乎全是同一类

多半是障碍设得太窄或波动率估计有问题。pt_sl太小，价格稍微一动就触发障碍，标签被短期噪声主导；vol_window太短，波动率估计不稳，障碍宽度忽大忽小。解决：先把pt_sl调到 2 附近，vol_window不小于 20，跑完打印标签分布和t1的分布。如果t1大量集中在时间障碍，说明障碍太宽；如果标签严重偏斜，先看是不是数据本身单边行情，再考虑调整采样。

4.5 现象：换了自己的数据后，滚动窗口算出来的值明显不对

九成是索引问题。时间没排序、有重复时间戳、频率不规则但代码按固定窗口算，都会让滚动结果错位。解决：读入后立刻sort_index、去重、打印index.freq，不规则就显式resample到固定频率再算。另外注意时区，带时区和不带时区的索引混用，比较时会抛异常或静默出错，统一转成 naive 或统一时区再往下走。

5. 进阶用法：把单个 Notebook 的实验固化成可复用的验证流程

跑通单个 Notebook 只是第一步，真正有价值的是把「标签构造 → 权重计算 → purge 交叉验证 → 模型评估」这条链固化成一个小模块，让每次换数据、换参数都能一键重跑。我的习惯是抽一个finml_utils.py，把三重障碍、唯一性权重、purged splits 三个函数放进去，Notebook 只负责调用和可视化。这样改参数时不用在几十个 cell 里翻，也方便做参数扫描。

验证方法上，别只看准确率。金融二分类里类别往往不均衡，准确率会被多数类带偏。我一般同时看三个数：每折的样本数（确认 purge 没把训练集掏空）、标签分布（确认没退化成单类）、以及一个简单的基线对比——用「全预测多数类」的准确率做下限，模型跑不过这个基线就说明特征或标签有问题。下面这个小表是我常用的检查清单：

参数扫描时，pt_sl和max_hold是两个最值得动的旋钮，但别做网格暴力搜——金融数据样本量本来就小，搜出来的最优参数大概率是过拟合。我的做法是固定一组「经济上说得通」的参数（比如止盈止损对称、持有期不超过一个月），只在这个邻域里微调，看结果是否稳定。不稳定就说明这套标签本身不稳健，换参数救不回来。

血泪经验是：这类习题仓库最大的价值不是给你一个能用的策略，而是让你亲手把「随机切分 → 分数虚高 → 换 purge 后打回原形」这个过程走一遍。我第一次跑通 purge 交叉验证时，分数从 0.9 掉到 0.55，当时以为是代码写错了，查了半天才发现是之前的分数本来就是假的。从那以后我每次碰时序分类，都强制先跑一遍「随机切分 vs purge 切分」的对比，两个分数差得越多，越说明数据泄漏严重。希望这套流程能帮你在自己的项目里少走一遍弯路。

本文还有配套的精品资源，点击获取