- 回测过拟合概率(PBO)：你的好策略可能只是运气
回测过拟合概率(PBO)量化最佳回测是否只是运气：纯噪声世界 PBO 恰 0.50，过拟合封顶 50%，机制切换更让 PBO 常年站在 50% 以上。附完整 Python 与四类真实陷阱。
15 min Chinese - 概念漂移检测:当因子开始失效时如何早发现
概念漂移检测:当因子开始失效时如何早发现 - halo的技术博客
15 min Chinese - 共形预测 Conformal Prediction：给机器学习收益预测套上误差区间
机器学习给你一个点的收益预测，可你真正想知道的是『我有多不确定』。共形预测用校准集残差的经验分位，在不需要任何分布假设的前提下，给出有限样本可靠的预测区间。本文对比朴素正态区间、普通 Split-Conformal、波动率感知 Conformal 三种方法，配 4 张真实图表与完整 Python。
13 min Chinese - 分数阶差分 fracdiff：在平稳与记忆之间找平衡点
机器学习做量化最隐蔽的坑之一：直接用价格（非平稳）会引入伪相关，用收益率（一阶差分）又把记忆全丢掉。分数阶差分 fracdiff 用 0<d<1 的阶数，在『平稳』与『记忆』之间取折中。本文从权重公式讲到 ADF 权衡曲线，配 4 张真实图表与完整 Python。
11 min Chinese - LASSO 与弹性网络在多因子选股中的应用：把 100 个因子收敛到真信号
当因子数量超过有效样本，OLS 会把噪声因子也装进模型。本文用一段 100 因子 / 10 真因子的合成面板，亲手走完 LASSO(ℓ1) 与弹性网络(ℓ1+ℓ2) 的系数路径、真因子恢复、样本外 IC 与多空组合，所有数字与配图由文末代码真实生成。
11 min Chinese - Purged K-Fold 交叉验证：给回测一个诚实的样本外
金融 ML 的标签常向前看，普通 KFold 打乱会把近重复样本留进训练、靠抄作业刷出虚假高分。本文用 López de Prado 的 purge+embargo 逼出诚实的样本外，并附完整 Python。
13 min Chinese - 标签工程：Triple Barrier 与元标签(Meta-Labeling)在机器学习量化中的应用
用 Triple Barrier 给机器学习量化打标签，再用元标签(Meta-Labeling)过滤主信号：把「该下注」和「不该下注」分开。
12 min Chinese - 注意力机制的可解释性：用特征归因解释模型决策
注意力权重只告诉你模型「看了哪里」，不等于「哪里重要」。本文用纯 numpy 搭一个小的特征级自注意力收益预测器，故意只让一个特征携带信号，对比注意力权重与 Integrated Gradients 特征归因——后者能精确锁定真正驱动预测的因子，并给出归因的实战边界。
11 min Chinese
返回