【量化交易】机器学习选股：标签构造、防过拟合、SHAP 归因

机器学习在量化选股中的应用不仅仅是特征拼接和模型训练，成功的关键在于标签构造、特征处理、训练协议、模型解释和上线监控等细节。

机器学习应嵌入具体环节，帮助合成信号，而非替代传统模型。

有效的标签构造和特征工程是提升模型表现的基础，需避免未来信息泄漏和过拟合。

模型上线后需持续监控其表现和稳定性，以应对市场变化。

机器学习在量化交易系统里的位置比初学者想象的要克制，它不是替代整套策略，而是嵌入在某一个或几个具体环节里。

一个完整量化系统的层级包括数据层、因子层、信号层、组合层和执行层。

机器学习在信号合成层的应用是一个监督学习问题，主要是将研究员发现的因子用更智能的方式合成。

标签构造的口径问题会显著影响模型的学习效果，需谨慎选择标签类型。

特征工程是机器学习选股中容易掉以轻心的环节，需遵循标准化、行业市值中性和滞后处理等原则。

模型选择应匹配样本量与模型复杂度，线性模型通常是基线，GBDT是主力非线性模型。

过拟合是机器学习选股中的主要问题，需关注数据量与参数、时序IID假设破坏和多重检验等因素。

严格的训练协议是机器学习选股能否上线的分水岭，包括嵌入式交叉验证和Purged K-Fold等方法。

模型上线后需确保训练时的模型与实盘模型的一致性，并进行在线监控与衰减预警。