机器学习实验系统

项目概览

机器学习实验系统把数据、特征、模型比较、时间划分验证、滚动回测和面向执行的实验组织起来。这是一个使用 Python、涉及 LEAN 衔接的研究原型，关注如何让各阶段形成清楚的研究流程，以及每个阶段的结果究竟能够说明什么。

预测只是流程中的一个输出。评估它还需要考虑时间关系、把预测转化为行动的成本，以及研究过程与执行环境之间的连接。

我的工作

我的工作围绕数据、特征和模型比较的组织展开，也包括时间划分验证、交易成本评估，以及预测和执行环节的衔接。跨越这些阶段开展工作，是为了让评估过程与预测将被使用的条件保持联系。

研究流程

流程从数据和特征准备出发，经过模型比较、按时间验证与考虑成本的回测，再到执行衔接。示意图呈现了各阶段之间的关系，区分对预测本身的评估，以及它在执行实验中的使用。

工程关注点

设计重点在于能否可靠地解释一次实验：每个时间区间应该使用哪些信息，模型比较是否采用一致的评估条件，成本会怎样影响正在考察的结果。预测进入执行实验的过程也是需要检查的边界，不能默认两者自然等价。

阶段与范围

项目仍是研究原型，用于探索模型与执行流程，不承诺收益或稳定盈利。项目内容不作为金融建议，也不代表已经实现成功的真实交易。