起因

这次 THU-BDC2026，我手里其实留了三份项目目录：原版、archive、v2。看起来像三个项目，翻完之后发现更准确的说法是：这是同一个比赛项目的三段成长史。

赛题本身很直接：根据沪深 300 成分股的历史行情，对股票做排序，选出 Top 5 组成投资组合，再给它们分配权重。说白了，就是让模型回答一个很现实的问题：下一段时间里，哪几只股票更值得排在前面。

一开始我很兴奋，因为这个题目天然适合写得很“高级”：Transformer、CrossStockAttention、MoE、横截面标准化、Top 5 softmax 权重。关键词堆起来很漂亮，代码也确实能跑。

但后来我发现，金融比赛里最可怕的东西不是模型不够复杂，而是模型看起来太对了。

第一版：看起来很猛

最早的方案是深度模型路线。

我把过去 30 个交易日作为时间窗口，给每只股票计算 72 个技术指标，然后构造成一个四维张量：

1
[batch, 股票数, 30天, 特征数]

模型结构大概是：

  • StockTransformer 建模时间序列；
  • CrossStockAttention 建模同一天不同股票之间的关系；
  • MoE Ranking 增加模型容量；
  • 最后输出每只股票的排序分数，取 Top 5。

这个方案从工程上看挺完整，甚至还有点“比赛味”。但做量化不能只看结构漂不漂亮，核心还是回测能不能经得住审。

那个让我冷静下来的 bug

后面我在回测代码里发现了一个很严重的问题：训练数据过滤只用了预测日前的数据。

原来的逻辑类似这样：

1
train_proc = processed[processed['日期'] < bt_date].copy()

问题在于，标签是用未来 5 天开盘价算的。也就是说，预测日前几天的样本虽然日期小于预测日，但它们的 label 里可能已经包含了预测日附近的未来价格信息。

修复后，我把训练样本和预测日之间隔开：

1
2
3
4
train_proc = processed[
    (processed['日期'] < bt_date) &
    (processed['日期'] + pd.Timedelta(days=10) < bt_date)
].copy()

这一刀下去，结果非常难看。

指标 修复前声称 修复后回测
夏普 2.30 -0.49
累计收益 - -17.11%
跑赢等权胜率 - 44.8%
最大回撤 - -31.17%

最难受的不是亏损，而是我必须承认：之前那个漂亮结果不可信。

重新开始做一个更诚实的版本

修完数据泄露以后，我没有继续往模型上堆东西，而是先做减法。

我发现一些波动率相关特征在泄露存在时特别“有用”，但修复之后反而像噪声源。于是砍掉了 vol_5d、vol_10d、vol_20d、boll_pctb、boll_width、atr_pct 这些特征。

特征维度从 289 降到 227，回测反而变好了：

版本 夏普 累计收益 胜率
修复泄露后基线 -0.49 -17.11% 44.8%
砍波动率特征 0.40 4.39% 51.7%

这一步给我的提醒很大：不是特征越多越好。有些特征在错误的验证方式下会显得特别聪明，但一旦验证变干净，它就露馅了。

Tushare 增强版：比较像样的一版

后面我加了 Tushare 的资金流向因子和申万行业分类，主要包括：

  • 主力净流入率；
  • 小单净流入率；
  • 超大单占比；
  • 行业和市值相关特征。

这版阶段性回测表现最好：

指标 Tushare 增强版
夏普 0.70
累计收益 12.33%
年化收益 29.90%
跑赢等权胜率 51.7%
最大回撤 -25.13%

其中 主力净流入率_ma20_cs_rank 进入了 Top 20 特征重要性，这说明资金流向类因子确实提供了一些额外信息。

但我也不想把这写成“终于成功了”。因为回测窗口只有 2024 年到 2026 年的一段滚动测试，而且去掉最好的月份后，收益稳定性会明显变弱。它是一个阶段性更好的版本，不是能拿来吹一辈子的神模型。

那些没变好的尝试

这个项目后面还有几次很有意思的失败。

我试过 Top-80 特征筛选，训练时间确实从 116 分钟降到 50 分钟，但夏普从 0.70 掉到 -0.07。原因大概是 2023 年前的重要特征，不一定能迁移到 2024-2026 年。

我也试过三分类标签，把股票分成“前 30% / 中间 40% / 后 30%”。结果更差，夏普掉到 -1.08。后来想想也合理：股票排序任务需要保留尽量多的相对顺序信息，粗暴三分类反而把中间信息抹掉了。

还有一次我把行业覆盖率从 4.7% 修到 100%，听起来肯定是对的，但回测从 0.70 掉到 0.18。这个结果很反直觉，也挺真实：数据更完整，不代表模型一定更好。如果模型过度依赖行业特征，修 metadata 也可能把它带偏。

最大的收获

这次比赛给我的最大教训不是某个模型结构，也不是某个指标，而是四个字：别骗自己。

金融机器学习里，最危险的是“看起来合理”。代码能跑、曲线好看、指标很高，这些都不能自动证明模型真的有预测能力。

真正重要的是：

  • 标签有没有偷看未来；
  • 训练集和预测日有没有隔离；
  • 回测窗口是不是太短；
  • 最优月份是不是撑起了全部收益；
  • 特征重要性是不是只是某个时间段的幻觉；
  • 改动变好，是不是只是碰巧。

这篇文章只记录比赛和回测复盘，不构成任何投资建议。

如果以后我再做类似项目，我会先把回测卫生、数据泄露检查、滚动验证这些东西放在第一位。模型可以慢慢变复杂，但验证方式一旦错了，后面所有努力都会被带到沟里。

这次最有价值的地方，可能就是我真的掉进去了一次，然后把它记录下来了。