元学习量化策略：用 MAML 让模型在少样本上快速适应新市场

先说结论：量化里最难的从来不是”在一个市场上训到最优”，而是”换个市场、换个 regime，只有几十个样本时还能快速站稳”。普通监督学习的隐含假设是训练集和测试集同分布，但市场天然是分段的——牛熊切换、风格轮动、政策拐点，每一段都是一个新任务，而新任务刚开始时你手里只有寥寥几十根 K 线。这时候从头训必然过拟合，用旧模型硬套又水土不服。

元学习（Meta-Learning）换了个目标函数：它不学”某个市场的最优参数”,而学一个最容易被少量样本快速微调的起点。本文用纯 numpy 从零实现一阶 MAML，在 200 个合成市场上元训练后，面对 100 个从没见过的新市场、每个只给 10 个样本，适应误差（MSE 2.85）比忽略任务差异的全局模型（7.75）低了 63%。

一、为什么”换市场就崩”是个结构性问题#

先把问题说清楚。假设你在市场 A 上训了个因子模型，效果很好。现在市场进入了新 regime B，你面临三个糟糕的选择：

1. 直接套用 A 的模型：B 的因子→收益映射变了，旧参数直接失配。
2. 在 B 上从头训：B 只有 30 个样本，参数比样本还多，必然过拟合。
3. 把 A 和 B 混起来训一个全局模型：等于假设所有 regime 共享同一套参数，把差异当噪声抹平——结果对谁都不最优。

这三条路对应本文后面的三个基线：Scratch（从零学）、Pooled（全局混训），以及理论上界 Oracle（大样本直接拟合）。它们的共同盲点是：都把”参数”当成学习目标。

MAML 的洞见是——把”初始化”当成学习目标。

二、MAML 的核心：学一个”会学习”的起点#

想象你要训练一批新员工。普通做法是把每个人培养成某个岗位的专家（学参数）。MAML 的做法是：招一个”学习能力极强”的人，他到任何新岗位，看几个案例就能上手（学初始化）。

数学上，把每个市场建模成一个任务 $\mathcal{T}_i$，它有自己的因子→收益映射：

$y = X \cdot w_i + \epsilon$

不同任务的 $w_i$ 从共同分布采样：$w_i \sim \mathcal{N}(w_0, \tau^2 I)$。这里 $w_0$ 是任务间共享的结构，$\tau$ 控制任务间的差异强度。本文取 $w_0 = [0.9, -0.6, 0.4, 0.5, -0.3]$，$\tau = 1.1$——差异不小，意味着”每个市场确实很不一样”。

MAML 分内外两层循环：

• 内循环（inner loop / 适应）：在新任务的 K 个样本（support set）上，从元初始化 $w_{\text{meta}}$ 出发做几步梯度下降，得到适应后的参数 $w_i'$。
• 外循环（outer loop / 元更新）：在同任务的另一批样本（query set）上，评估 $w_i'$ 的损失，对 $w_{\text{meta}}$ 求梯度并更新。

关键在外循环：它优化的不是”在某个任务上表现好”，而是”从 $w_{\text{meta}}$ 出发、走几步之后表现好”。这就是”学一个会学习的起点”。

三、从零实现 FOMAML（一阶近似）#

完整 MAML 需要对”梯度下降过程”再求梯度（二阶导），计算和内存开销都大。实践里常用一阶近似 FOMAML：直接在适应后的参数上求 query 梯度，忽略二阶项。效果损失很小，实现干净得多。

先定义线性任务的基本组件：

import numpy as np

P = 5                                   # 因子数
W0 = np.array([0.9, -0.6, 0.4, 0.5, -0.3])   # 任务共享中心
TAU = 1.1                               # 任务间差异强度
K = 10                                  # few-shot 样本数
INNER_LR = 0.12
INNER_STEPS = 5

def sample_task(seed):
    r = np.random.default_rng(seed)
    w = W0 + TAU * r.standard_normal(P)  # 每个任务的真实参数
    return w, r

def gen_data(w, n, r):
    X = r.standard_normal((n, P))
    y = X @ w + r.standard_normal(n)     # 观测噪声 σ=1
    return X, y

def grad(w, X, y):
    e = X @ w - y
    return 2.0 * X.T @ e / len(y)

def adapt(w_init, X, y, lr=INNER_LR, steps=INNER_STEPS):
    """内循环：从 w_init 出发做几步梯度下降"""
    w = w_init.copy()
    for _ in range(steps):
        w = w - lr * grad(w, X, y)
    return w

外循环元训练：

N_TASKS_TRAIN = 200
META_LR = 0.02
META_EPOCHS = 300
TASK_BATCH = 8

train_tasks = [sample_task(1000 + i) for i in range(N_TASKS_TRAIN)]
rng = np.random.default_rng(42)
w_meta = W0 + 0.3 * rng.standard_normal(P)   # 随机起点

for epoch in range(META_EPOCHS):
    idx = rng.choice(N_TASKS_TRAIN, TASK_BATCH, replace=False)
    meta_grad = np.zeros(P)
    for j in idx:
        w_task, r = train_tasks[j]
        Xs, ys = gen_data(w_task, K, r)      # support：适应用
        Xq, yq = gen_data(w_task, 100, r)    # query：评估用
        w_adapted = adapt(w_meta, Xs, ys)    # 内循环
        meta_grad += grad(w_adapted, Xq, yq) # FOMAML：适应后参数上的 query 梯度
    w_meta -= META_LR * meta_grad / TASK_BATCH

注意 FOMAML 的精髓在最后两行：w_adapted 是内循环适应的结果，但我们把它的 query 梯度直接回传给 $w_{\text{meta}}$——这就是一阶近似（把 ∂w_adapted/∂w_meta 当成恒等映射）。

四、元训练：外层损失逼近理论下界#

元训练 300 轮，外层 query 损失（在适应后参数上评估）稳步下降：

损失从起点 3.65 压到 1.67，逼近 Oracle 下界 1.00（用 2000 个样本直接拟合每个任务能达到的误差，本质是观测噪声 $\sigma^2=1$ 的地板）。这条曲线说明：$w_{\text{meta}}$ 确实在朝”最容易被 10 个样本快速微调到接近最优”的方向移动。

五、少样本适应：MAML 起点低、一两步就到位#

真正见功力的是”面对新市场时的适应速度”。下图对比 MAML 元初始化 vs 随机初始化（Scratch），横轴是新市场上的适应步数：

两个关键差异：

• 起点低：第 0 步（还没适应），MAML 的初始化就已经比随机初始化的误差低——因为 $w_{\text{meta}}$ 落在所有任务的”公共中心”附近。
• 收敛快：MAML 一到两步就压到接近下界，随机初始化要爬更多步、且落点更高。

这正是元学习的承诺：不是训得更久，而是学得更快。

六、100 个全新市场：MAML vs 三个基线#

在 100 个从没出现在元训练里的新市场上，每个只给 K=10 个样本，对比四种方法的适应误差分布：

平均 MSE：

两个结论：

1. Pooled 最差（7.75）：这最反直觉——用了最多数据的全局模型反而崩了。原因是 $\tau=1.1$ 时任务差异太大，“一套参数打天下”等于对每个市场都用错误的 $w$。数据多 ≠ 适应好，用错地方的数据是负担。
2. MAML 比 Scratch 低 11%（2.85 vs 3.17）：都用了同样的 10 个样本适应，差别只在起点。MAML 学到的起点让同样的样本发挥出更大价值。

七、样本量敏感性：K 越小，MAML 优势越大#

元学习到底在什么场景下值得用？答案藏在样本量敏感性里：

MAML 随 K 变化的 MSE：

规律非常干净：

• K 极小时（K=3），MAML（4.73）显著优于 Scratch（5.75）——样本越少，一个好起点越重要。
• K 足够大时，MAML 和 Scratch 收敛（都逼近 Oracle），因为样本足够多时，起点不再重要，从哪出发都能走到最优。
• Pooled 始终躺在 7 附近：它根本不做 per-task 适应，加多少样本都没用——这暴露了”全局模型”的结构性缺陷。

一句话：元学习是”少样本快速适应”的工具，不是”数据多多益善”的工具。 如果你的新 regime 有的是数据，直接从头训就好，MAML 的价值恰恰在样本荒的时候。

八、四个必须拆穿的陷阱#

陷阱一：把元学习等同于预训练/迁移学习。 预训练学的是”一套好特征/好参数”，迁移时通常固定大部分、只微调最后一层。MAML 学的是”一个好初始化”，它的目标函数里显式包含了适应过程——优化的是”微调之后”的损失，不是”微调之前”。这是本质区别：预训练不知道你要微调几步，MAML 知道，并为此优化。

陷阱二：忽略任务同分布假设。 MAML 假设训练任务和测试任务来自同一个任务分布（本文里都是 $w_i \sim \mathcal{N}(w_0, \tau^2 I)$）。如果新市场的结构彻底超出这个分布——比如出现了训练期从没有过的因子关系——元初始化照样失灵。MAML 让你在”同一族市场”内快速适应，但救不了”全新物种”。 上线前务必检查：新 regime 真的和历史 regime 同族吗？

陷阱三：内外循环学习率耦合导致的隐性过拟合。 内循环学习率（INNER_LR）和步数（INNER_STEPS）不是自由参数——它们在元训练时就被”编译”进了 $w_{\text{meta}}$。如果元训练时用 5 步适应，部署时却用 20 步，$w_{\text{meta}}$ 可能被”过度适应”到偏离。内循环配置必须训练和部署一致，否则元初始化的优势会被侵蚀。

陷阱四：少样本 ≠ 零样本。 MAML 需要新市场的 K 个样本来适应（哪怕只有 3 个）。如果你面对的是”全新市场、零历史数据”，MAML 退化成只能用元初始化 $w_{\text{meta}}$（图里 few-shot 曲线的第 0 步），此时它只是个”所有市场的平均模型”，未必比精心设计的先验更好。元学习省的是样本量，不是省到零。

九、落地路径#

本文用线性任务和合成数据把机制讲透，真实落地时的关键改动：

• 任务定义：把”市场/regime”换成真实的时间分段——按波动率状态、按行业轮动、按宏观周期切任务，每个任务是一段历史窗口。
• 模型升级：线性映射换成小型神经网络（MLP/浅层），内循环对全部权重做梯度下降，FOMAML 依然适用。
• 验证方式：用时间序列的 walk-forward——训练任务全部在测试任务之前，严防未来信息泄漏（这比同分布假设更致命）。
• 样本预算：明确你的”新 regime 识别延迟”——从 regime 切换到攒够 K 个样本需要多久？这个延迟决定了 MAML 的实际适应窗口。

元学习不是万能钥匙。它的适用边界很清晰：同一族市场、样本稀缺、需要快速适应。踩准这个场景，一个好起点抵得过十倍数据。