机器学习（Machine Learning，ML）在量化交易中的应用覆盖了信号生成、执行优化、风险管理和另类数据处理等多个环节。传统量化依赖人工构建因子，ML则允许模型从数千个原始特征中自动发现非线性规律——这是ML的核心优势，也是其过拟合风险的主要来源。
## 主流ML模型在量化中的应用
**梯度提升树（XGBoost/LightGBM）**：目前在结构化金融数据（财务数据、量价数据）上表现最优的ML模型类别。优势：对特征缩放不敏感，处理缺失值鲁棒，可解释性较好（特征重要性），训练速度快。国内大部分量化私募的核心选股模型基于XGBoost或LightGBM。
**LSTM（长短期记忆网络）**：序列数据处理的经典深度学习模型，适合捕捉价格时序中的时间依赖关系。实际应用中，LSTM在金融时序预测上的优势不如学术论文所示——主要原因是金融时序信噪比极低，模型容易学到噪音而非真实信号。
**Transformer/大语言模型（LLM）**：将新闻、财报、分析师报告等非结构化文本转为量化交易信号（情绪分析、事件提取）是当前最活跃的研究方向之一。Bloomberg GPT、FinBERT是专为金融NLP设计的预训练模型。
## 金融ML的特殊挑战
**特征泄露（Feature Leakage/Look-ahead Bias）**：使用了策略实际运行时”未来”才能知道的数据，导致回测结果虚高但实盘表现差。常见来源：财报数据的发布延迟（财报发布日 vs 财报期末日）、指数成分调整的前视偏差。
**低信噪比**：金融市场价格变动中约95%是噪音，真正可预测的信号极少。大量ML模型在训练集上过拟合，测试集（样本外）表现大幅下降。
**非平稳性（Non-stationarity）**：金融时序的统计特性随时间变化（市场regime change），导致历史上有效的模型在新市场环境中失效。
参见[量化投资入门](https://sunqi.org/quantitative-investing-intro-zh/)；[Python回测策略实战](https://sunqi.org/python-backtest-strategy-zh/)；[Marcos Lopez de Prado《金融机器学习》](https://www.wiley.com/en-us/Advances+in+Financial+Machine+Learning-p-9781119482086)。
