1. 项目背景与核心思路
作为一名长期从事算法研发的工程师,我最近完成了一个很有意思的实践项目:将Kaggle金融时序预测竞赛第三名的方案,应用到A股ETF的5分钟级别预测中。这个过程中遇到了不少挑战,也积累了一些经验,今天就来详细分享一下。
Kaggle的Jane Street Market Prediction竞赛是金融时序预测领域最具含金量的赛事之一。我参考的第三名方案采用了与传统量化策略完全不同的思路:
- 极简特征工程:几乎不做手工特征构造,让模型直接从原始数据中学习规律
- 超深度网络结构:使用49层MLP神经网络捕捉隐藏模式
- 多模型集成:通过15个不同随机种子的模型平均来降低噪声影响
- 高级训练技巧:对数特征扩展+残差连接+批量归一化确保训练稳定性
- 严格防泄露:仅使用简单时间切分,避免复杂交叉验证导致的数据泄露
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. 方案实现与调整
2.1 原始方案解析
原方案使用了比赛提供的130维原始特征,通过对数扩展得到260维输入。其核心创新点在于:
- 完全依赖深度网络自动提取特征,而非人工构造技术指标
- 使用极深的网络结构(49层MLP)来捕捉复杂时序模式
- 通过多模型集成(15个)来应对金融数据的高噪声特性
2.2 本地化调整
考虑到A股市场的特点和本地计算资源限制,我做了以下调整:
- 特征维度缩减:从260维降至约50维,基于基础价量数据构造轻量特征
- 模型简化:使用较浅的网络结构(15层MLP)和少量模型集成(5个)
- 频率调整:针对5分钟级别数据优化特征计算窗口
重要提示:所有特征变换和标准化都严格在训练集上计算,测试集仅复用训练集参数,确保无未来函数。
3. 实现细节与踩坑记录
3.1 基础设置
- 数据周期:5分钟K线
- 回测区间:2022-12-01至2026-03-10
- 预测目标:下一根K线涨跌(二分类)
- 训练窗口:滚动365天数据
- 更新频率:每30天重新训练
3.2 特征工程
经过多次迭代,最终采用的特征包括:
-
基础价量特征:
- 过去N根K线的收盘价变化率
- 成交量变化率
- 价格波动率
-
统计特征:
- 滚动均值和标准差
- 滚动最高/最低价
- 量
