高阶课：金融机器学习

课程概览

本课程系统探讨机器学习在金融领域的理论与实践，聚焦数据治理、策略开发、回测验证等核心环节。通过平衡理论与工程实践，揭示机器学习在量化交易中的真实能力边界，重点解决金融场景下的过拟合、生存偏差、非平稳性等特殊挑战。适合具备统计学与编程基础（Python/R）的量化研究员、资管从业者及学术研究者。

课程模块与知识体系

模块1：金融数据工程（3周）

金融数据结构化
- Tick数据聚合、因子库构建、非同步交易数据处理
- 高频数据特征：报价跳变、微观结构噪声滤除

标签设计与样本权重
- 三重屏障法（Triple Barrier Method）定义交易信号
- 时间衰减权重应对市场状态迁移

特征分析与选择
- Meta-Labeling框架下的特征重要性评估
- 对抗特征筛选（对抗性验证检测信息泄漏）

模块2：模型构建与验证（4周）

集成学习方法
- 随机森林与梯度提升树在因子合成中的对比
- 堆叠泛化（Stacking）整合基本策略信号

金融场景交叉验证
- Purged K-Fold方法消除前瞻偏差
- 时间序列交叉验证的滚动窗口设计

超参数优化陷阱
- 过拟合风险：Walk-Forward优化 vs 网格搜索
- 参数稳定性检验（参数敏感性分析）

模块3：策略回测与风控（3周）

回测引擎设计
- 事件驱动回测 vs 向量化回测的算力权衡
- 滑点模型：固定滑点 vs 订单簿仿真

回测统计量体系
- 收益指标：夏普比率、Calmar比率、策略容量
- 风险指标：最大回撤、VaR、策略拥挤度监测

策略风险拆解
- 过拟合概率估计（Deflated Sharpe Ratio）
- 蒙特卡洛交叉验证（Monte Carlo PnL分布分析）

模块4：前沿应用专题（2周）

机器学习资产配置
- 风险平价模型（Risk Parity）的神经网络优化
- 带交易约束的强化学习动态调仓

微观结构特征挖掘
- 订单流失衡（Order Flow Imbalance）预测短期价格
- 限价订单簿动态的LSTM建模

高性能计算实践
- GPU加速：CuPy在因子计算中的性能对比
- 分布式回测：Dask在多资产组合中的应用

教材与学习资源

类型	书目	核心价值
主教材	Advances in Financial Machine Learning (Marcos López de Prado)	提出金融特异性方法论：元标签、Purged CV、组合分层
辅助教材	Machine Learning in Finance: From Theory to Practice (Dixon等)	提供Python案例：从特征工程到策略部署全链路代码
扩展资源	Quantopian研究文库（含订单簿仿真代码库）	实盘级高频数据处理工具与案例数据集

评估体系与学术要求

课程作业（40%）
- 双周发布，包含代码实践与理论证明（例：实现组合Purged K-Fold交叉验证）
- 典型题目：
  - 基于三重屏障法的趋势跟踪标签设计
  - 使用对抗验证检测特征信息泄漏

期末考试（60%）
- 开卷代码实战：构建带微观结构因子的高频预测模型
- 理论部分：分析过拟合概率与夏普比率膨胀的关系

证书标准
- ≥85分：卓越证书（前15%学员获教授推荐信资格）
- ≥70分：课程完成证书

先修知识要求

领域	要求	速成资源
Python编程	熟练使用NumPy/Pandas/Scikit-learn	Python for Finance (Yves Hilpisch)
机器学习	监督学习基础（回归/分类/评估指标）	Hands-On Machine Learning (Géron)
金融基础	资产定价、投资组合理论	Active Portfolio Management (Grinold)

工具链与数据平台

开发环境：JupyterLab + QuantConnect LEAN引擎

数据源：
- 低频：WRDS（Compustat/CRSP）
- 高频：Lobster订单簿数据集

加速框架：Numba即时编译、Ray分布式计算

本课程以Marcos López de Prado的“金融机器学习三部曲”为理论基底，结合最新学术论文（如ICML 2024金融应用前沿）与工业级案例，系统构建符合金融物理规律的机器学习范式。