深潜：进阶机器学习
12 篇 约 2.1 小时
- 用于不平衡类别的 Bagging 分类器 当 90% 的标签是“不交易”时，准确率毫无意义。平衡 Bagging 通过对每个类别抽取等量子样本来修正不平衡。关键在于把参数 $u$ 选对。
- 金融中的交叉验证 随机 k 折在金融里因为三个独立原因失效。Walk-forward 修一个，净化（purging）修另一个，禁运（embargo）修第三个。CPCV 是唯一能给你路径分布的方法。
- 禁运效应 净化处理前缘，禁运处理后缘。两者合在一起构成对特征-标签重叠的完整防御。跳过禁运，CV 仍然在撒谎。
- 熵特征：排列熵与样本熵 波动率告诉你价格动了多少，熵告诉你价格怎么动。趋势序列和震荡序列的波动率相同，但熵差别很大。这种差别就是一个特征。
- 分数阶差分：推导 d=1.0 丢掉所有记忆。d=0.0 保留记忆但序列不平稳。两者之间（通常在 d=0.4 附近）是最佳平衡。下面是数学和实现。
- Meta-Labeling：方向与仓位 两个模型胜过单个模型。主模型决定方向（多、空、不交易），次级模型决定仓位（满仓、半仓、零仓）。Meta-labeling 把方向和置信度分开。
- 在线学习算法 市场每天都在变化。一次拟合多年使用的模型，注定会失败。在线学习在新数据到来时更新模型。主要有两种：在线 Bagging 和在线 Boosting。
- 净化 k 折：推导 训练样本什么时候会泄露到测试集？答案取决于三个区间：标签窗口、特征窗口和测试窗口。下面是完整几何推导。
- 样本权重：四种类型 金融机器学习的拟合中，不是每条观测都该被赋予同样的权重。López de Prado 的四种权重方案（唯一性、收益归因、时间衰减、波动率缩放）针对不同偏差起作用，要按用途有意识地使用，而不是默认开启。
- 结构断点检测 市场会变。关键在于什么时候变。三个检验覆盖 90% 的工作：Chow 检验针对已知断点日期，CUSUM 针对未知断点，Bai-Perron 针对多个断点。
- 合成数据生成：Ornstein-Uhlenbeck 回测 历史只走出了一条路径，你的回测数字是那条路径的产物。用 OU 过程造一千条统计性质相同的路径，你拿到的是一个分布而不是一个数——以及它会在哪些地方骗你。
- 三重障碍方法 固定时间窗口标签用起来方便，但几乎总是错的。三重障碍方法按“实际先发生什么”来打标签：止盈、止损、还是超时。标签匹配策略实际交易的方式。