机器学习 / 深度学习在量化中的应用

1. 一行行推导分解公式。设真实关系为 $y = f(x) + \varepsilon$，其中噪声 $\varepsilon$ 满足 $\mathbb{E}[\varepsilon]=0$、$\text{Var}(\varepsilon)=\sigma^2$。我们用训练集 $D$ 学到一个估计 $\hat f(x)$，关注在某个固定点 $x$ 上的期望平方误差（期望对训练集的随机性与噪声同时取）：

$$\mathbb{E}\big[(y - \hat f(x))^2\big] = \mathbb{E}\big[(f(x) + \varepsilon - \hat f(x))^2\big]$$

记 $\bar f(x) = \mathbb{E}_D[\hat f(x)]$ 为模型预测的平均值。把 $\hat f$ 围绕 $\bar f$ 拆开，并利用 $\varepsilon$ 与 $\hat f$ 独立、$\mathbb{E}[\varepsilon]=0$，所有交叉项期望为零，最终得到：

$$\mathbb{E}\big[(y-\hat f)^2\big] = \underbrace{(f - \bar f)^2}_{\text{Bias}^2} + \underbrace{\mathbb{E}[(\hat f - \bar f)^2]}_{\text{Variance}} + \underbrace{\sigma^2}_{\text{噪声}}$$

直觉：Bias 是"平均射偏了多少"，Variance 是"每次射击有多分散"，噪声是"靶子本身在抖"——再完美的模型也消不掉噪声 $\sigma^2$，它是误差的下界。

2. 为什么金融低信噪比下要偏向低方差？ 把信噪比写成 $\text{SNR} = \text{Var}(f) / \sigma^2$。金融里 $\sigma^2$ 巨大而 $\text{Var}(f)$ 微小（典型股票日度收益预测 $R^2$ 常常只有 $0.5\%\!-\!2\%$）。这意味着：

• 可被解释的信号 $\text{Var}(f)$ 很小，降低 Bias 能挤出的收益本来就有限；
• 而高方差模型会把巨大的 $\sigma^2$ 当成信号去拟合，Variance 项会爆炸。

所以在 $\text{Bias}^2 + \text{Variance}$ 这个可控部分里，控制 Variance 的边际收益远高于压低 Bias。这就是"宁可欠拟合"的数学根据。

1. 为什么 L1 产生稀疏解——菱形约束的顶点。 带约束的视角：最小化损失 $\text{RSS}(w)$ 等价于在约束 $\sum|w_i|\le t$（L1）或 $\sum w_i^2 \le t$（L2）下最小化 RSS。RSS 的等高线是椭圆，从最优点向外扩张，第一次碰到约束区域的点就是解。

• L1 的约束区域是菱形（高维下是带尖角的多面体），尖角正好落在坐标轴上（即某些 $w_i=0$）。椭圆等高线很容易先碰到尖角 → 解是稀疏的。
• L2 的约束区域是圆球，处处光滑无尖角，椭圆碰到的接触点几乎不会落在坐标轴上 → 权重被压小但极少恰好为 0。

      w2                         w2
       |   L1(菱形)               |   L2(圆)
       |   /\                     |   .-~-.
   ----+--/--\----- w1       ----+-(  o  )---- w1   o=椭圆中心(OLS解)
       | \  /  尖角落在轴上       |   `-_-'
       |  \/  -> w1=0(稀疏)       |   接触点在内部(不稀疏)

2. 软阈值：L1 解的解析形式。 在正交设计下，Lasso 对每个系数做软阈值（soft-thresholding）：

$$\hat w_j^{\text{L1}} = \text{sign}(\hat w_j^{\text{OLS}})\cdot \max\big(|\hat w_j^{\text{OLS}}| - \lambda,\ 0\big)$$

小于 $\lambda$ 的系数被直接置 0（这就是稀疏的来源）；而 Ridge 是等比例收缩 $\hat w_j^{\text{L2}} = \hat w_j^{\text{OLS}} / (1+\lambda)$，永远不为 0。

3. ElasticNet 为什么存在？ 纯 L1 有两个毛病：(a) 当一组因子高度相关时，Lasso 会随机只留一个、砍掉其余，结果不稳定（换个样本就换一个因子）；(b) 当因子数 $p$ 大于样本数 $n$ 时，Lasso 最多只能选出 $n$ 个。ElasticNet 的 L2 部分把相关因子的权重"绑在一起"一起进出（grouping effect），既保留稀疏性又稳定。这正是高维量化因子库的默认配置。

1. 普通 K-Fold 到底哪里泄漏？ 关键在于金融的标签是有时间跨度的：一个在 $t$ 时刻打的标签（如未来 5 日收益）会用到 $t$ 到 $t+5$ 的信息；而 $t$ 时刻的特征又可能用了 $t-20$ 到 $t$ 的历史。于是相邻样本的特征窗口与标签窗口互相重叠。普通 K-Fold 随机洗牌后，训练集里很可能混入"几乎和测试样本同一时段"的样本，模型相当于偷看了答案，CV 分数虚高、上线就崩。

2. Walk-Forward 两种窗口。

滚动窗口(Rolling, 固定长度):
[==Train==]      [Test]
   [==Train==]      [Test]
      [==Train==]      [Test]   旧数据被丢弃, 适应非平稳

扩展窗口(Expanding, 只增不减):
[==Train==]      [Test]
[====Train====]      [Test]
[======Train======]      [Test]  样本越来越多, 更稳

金融非平稳强时偏向 Rolling（让模型"忘记"过时的市场结构）；样本稀缺时用 Expanding。

3. Purged K-Fold + Embargo 的精确机制（López de Prado）。

• Purge（清洗）：对每一个测试 fold，把训练集中"标签时间区间 $[t_{i,0}, t_{i,1}]$ 与测试集任一样本的标签区间相交"的样本全部删除，斩断重叠造成的泄漏。
• Embargo（禁运）：即使不直接重叠，紧跟在测试集之后的训练样本仍可能因序列相关（如波动聚集）而泄漏。于是在测试集结束后再额外删掉一段长度为 $h$ 的样本。常取 $h \approx \lceil \rho \cdot T \rceil$，$\rho$ 约 $1\%$，$T$ 为总样本数；或直接取标签前瞻窗口的长度。

... Train Train | PURGE | === Test === | EMBARGO | Train Train ...
                  删除与测试               删除紧随其后
                  标签重叠的样本           的 h 个样本

1. GBDT 在做什么？ 梯度提升把预测写成一堆树的加法模型 $F_M(x)=\sum_{m=1}^{M}\nu\, h_m(x)$，每棵新树 $h_m$ 去拟合当前损失的负梯度（伪残差），$\nu$ 是学习率。XGBoost 进一步用二阶泰勒展开 + 显式正则项作分裂，LightGBM 用直方图 + leaf-wise 生长 + GOSS 采样把它做快。它流行的本质：对表格型、特征量纲混杂、含交互与缺失的数据，开箱即用且很难调坏——这恰是因子矩阵的常态。

2. 为什么金融里上限可能不如线性？ 三个理由扣回"低信噪比"：

• 树容易把噪声当信号：树能逼近任意复杂函数，自由度太高，在 $R^2$ 只有 1% 的数据上极易过拟合，OOS 衰减剧烈；
• 金融 alpha 的真实结构常常近似线性 / 单调：因子与收益多是弱单调关系，线性模型的强先验（"就是一条线"）本身是一种正则，反而稳；
• 外推能力差：树只能输出训练时见过的分裂区间的均值，遇到分布漂移（新的市场状态）无法外推，而线性模型能延伸。

3. 关键调参的直觉（都在压方差）。

参数	调它等于在控制什么
max_depth / num_leaves	单棵树能表达的交互阶数；浅树 = 强偏差弱方差，金融偏浅
learning_rate × n_estimators	小步多走 → 平滑、抗噪；二者大致成反比，配早停用
subsample / colsample	行/列采样注入随机性，降相关、降方差（类 Bagging）
min_child_weight / min_data_in_leaf	叶子最小样本/权重，太小的叶子=记住噪声，调大更稳
reg_lambda / reg_alpha	叶子权重的 L2/L1，直接惩罚复杂度

1. point-in-time（PIT）到底防什么？ 财报、分析师预期、指数成分、复权因子都会事后被修订。如果你用"今天数据库里这条记录"去回测三年前，那就用到了三年前根本拿不到的修订值——这是最隐蔽的前视偏差，因为代码完全没 bug。正确做法是建 PIT 数据库：每条记录带一个 knowledge_date / 可用时间，回测在 $t$ 时刻只读 知道时间 ≤ t 的版本。典型例子：财报"报告期"是 Q1，但"发布日"可能晚 45 天，特征必须挂在发布日而非报告期。

2. 目标编码（target encoding）为什么是泄漏重灾区。 目标编码用"该类别下 $y$ 的均值"替代类别。如果用全样本算这个均值，每个样本的特征里就掺进了自己标签的信息（自己泄漏给自己），CV 虚高、上线归零。正确做法：

• 只用训练集算编码，对测试集 transform（fit 在训练、transform 在测试）；
• 训练集内部用 out-of-fold 编码（K 折，每折用其余折算均值），避免折内自泄漏；
• 金融时序里更要保证编码只用过去的标签（expanding mean），不能用未来。

3. 截面标准化 vs 时序标准化——别用错。

	截面（cross-sectional）	时序（time-series）
沿哪个维度归一	同一时刻、所有股票之间	同一只股票、沿时间
消除什么	市场整体的时间趋势 / beta	该资产自身的量纲与漂移
有无泄漏风险	无（只用当期截面）✅	有！必须用滚动窗口，禁用全样本均值方差 ⚠️
典型用途	多因子选股打分（排序）	单资产时序预测、波动归一

选股里几乎都用截面标准化（因为我们要的是同一时刻股票间的相对强弱，且天然无泄漏）；时序标准化一旦用了未来均值/方差就泄漏，必须改成 rolling z-score。

1. 梯度消失/爆炸为什么发生？ 朴素 RNN 的隐状态 $h_t = \tanh(W h_{t-1} + U x_t)$。反向传播经过 $T$ 步时，梯度里会出现连乘 $\prod_{k} W^\top \,\text{diag}\big(\tanh'(\cdot)\big)$。这个连乘的量级大致由 $W$ 的谱半径（最大特征值）$\lambda$ 决定：$\lambda \lt 1$ 则梯度 $\sim \lambda^T \to 0$（消失，学不到长程依赖），$\lambda \gt 1$ 则 $\to \infty$（爆炸）。这是 RNN 学不会长记忆的根因。

2. LSTM 门控如何破解。 LSTM 引入一条细胞状态 $C_t$，更新是加法而非反复矩阵相乘：

$$C_t = f_t \odot C_{t-1} + i_t \odot \tilde C_t$$

其中遗忘门 $f_t=\sigma(\cdot)$、输入门 $i_t=\sigma(\cdot)$、输出门 $o_t=\sigma(\cdot)$。梯度沿 $C_t$ 回传时主要乘以 $f_t$（接近 1 时形成"常数误差传送带"），避免了连乘塌缩——这就是它能记住长程依赖的关键。GRU 把三门并成两门（更新门 + 重置门），参数更少、训练更快。

3. 注意力为什么能并行，RNN 为什么不能。 RNN 的 $h_t$ 依赖 $h_{t-1}$，必须按时间步串行。自注意力直接对所有位置算两两关系：

$$\text{Attn}(Q,K,V)=\text{softmax}\!\left(\frac{QK^\top}{\sqrt{d_k}}\right)V$$

所有位置的 $Q,K,V$ 可一次性矩阵乘出来，没有时间方向的依赖链，所以能在 GPU 上完全并行；代价是复杂度 $O(T^2)$ 且本身不含顺序信息，必须额外加位置编码。

1. 重建误差为何能检测异常。 AE 在"正常"数据上训练，学到的是正常样本所在的低维流形。对正常样本，它能很好地压缩-重建，误差 $\lVert x - \hat x\rVert^2$ 小；遇到结构罕见的样本（如极端行情、数据异常），落在流形之外，重建误差陡增。实操判据：把训练集重建误差的分布取一个高分位（如 99%）作阈值，超过即报警；金融里常用于检测异常行情、坏数据、流动性骤变。

2. VAE 的概率 latent 与 ELBO。 普通 AE 的 latent 是一个确定向量，空间可能"坑坑洼洼"（采样会解码出乱码）。VAE 让编码器输出一个分布 $q_\phi(z\mid x)=N(\mu,\sigma^2)$，并优化证据下界（ELBO）：

$$\mathcal{L} = \underbrace{\mathbb{E}_{q_\phi(z\mid x)}[\log p_\theta(x\mid z)]}_{\text{重建项}} - \underbrace{D_{\text{KL}}\big(q_\phi(z\mid x)\,\Vert\,p(z)\big)}_{\text{正则项: 向先验 }N(0,I)\text{ 靠}}$$

KL 项把 latent 拉向标准正态先验，使空间连续、平滑、可采样。训练时用重参数化技巧 $z=\mu+\sigma\odot\epsilon,\ \epsilon\sim N(0,I)$，把随机性挪到 $\epsilon$ 上，从而能对 $\mu,\sigma$ 求导、反向传播。

3. 为什么 VAE 能生成。 因为 latent 被约束接近 $N(0,I)$，生成时直接从先验采 $z$ 再解码即可得到合成样本——这正是 AE 做不到的（AE 的 latent 没有已知分布可采）。金融里可用于数据增强、市场状态不确定性建模；但要警惕：生成的收益序列必须验证统计特性（见 Q48），否则只是"看起来像"。

1. 为什么评估金融生成数据特别难？ 图像有 FID/IS 这类感知指标，且"好看"人眼可判。金融收益序列没有现成的好/坏标尺，而且真正重要的是那些肉眼看不出的统计风格化事实（stylized facts）。一条生成序列的均值方差对了，仍可能完全错过真实市场的时序结构。必须逐项定量验证：

风格化事实	含义	怎么验证
收益近乎无自相关	$\text{corr}(r_t, r_{t-k})\approx 0$（弱式有效）	画收益的 ACF，应快速落入置信带
波动聚集	大波动后跟大波动（$|r_t|$ 长记忆）	$|r_t|$ 或 $r_t^2$ 的 ACF 应缓慢衰减、长期为正
厚尾（leptokurtic）	极端收益远比正态频繁，峰度 $\gt 3$	样本峰度、QQ 图、尾部幂律指数
杠杆效应	下跌后波动上升（负收益→高波动）	$\text{corr}(r_t, \sigma_{t+k})\lt 0$ 应为负
聚合高斯性	时间尺度拉长，分布趋向正态	对比日/周/月收益的峰度递减

2. TimeGAN 为何被设计出来。 普通 GAN 只学边缘分布，常丢掉时序依赖。TimeGAN 在对抗损失外加一个监督损失（用真实序列教生成器"下一步该长什么样"）+ 一个嵌入自编码器，专门保留逐步的时序条件分布，因此能更好复刻自相关与波动聚集。

3. WGAN-GP 解决什么。 原始 GAN 用 JS 散度，判别器太强时梯度消失、易模式崩塌（只生成几种样本）。WGAN 改用 Wasserstein 距离提供更平滑的梯度，GP（梯度惩罚）替代权重裁剪来满足 1-Lipschitz 约束，训练更稳。

1. 图结构的来源（边怎么定义）。 GNN 第一难、也是 alpha 的真正来源，是怎么造图：

• 产业链 / 供应链：上下游买卖关系（供应商动量、客户传导）；
• 股东 / 资本关系：共同大股东、母子公司、参股；
• 相关性图：用收益相关系数建边（注意会随窗口变、且易泄漏）；
• 新闻共现 / 知识图谱：同一事件被同时提及的公司连边。

边的定义不同，模型学到的"传导"含义完全不同——造图本身就是特征工程。

2. 消息传递（message passing）一句话机制。 每个节点反复"聚合邻居信息 + 更新自身"：

$$h_v^{(l+1)} = \sigma\!\Big(W^{(l)}\cdot \text{AGG}\big(\{h_u^{(l)} : u \in \mathcal{N}(v)\}\big)\Big)$$

GCN 用度归一化均值聚合；GAT 用注意力给不同邻居加权（自动判断哪个上下游更重要）；GraphSAGE 对邻居采样 + 聚合，能 inductive 地泛化到训练时没见过的新节点（新上市公司）。

3. 动态图的难点。 真实关系随时间变（新增供应商、股东减持、相关性切换）。难点有三：

• 图随时间演化：需要 Temporal GNN（如把 GNN + RNN/注意力沿时间堆叠），或定期重建快照；
• 关系信息的 point-in-time：用"今天才公布"的股东关系去回测过去 = 前视偏差，边也必须 PIT；
• 相关性图的泄漏：用未来收益算相关再连边会直接泄漏，相关性必须只用历史窗口估计。

1. 为什么最优执行是 RL 在量化里最成熟的场景？ 把它对照 RL 成功的前提就懂了：

RL 成功需要	最优执行（成熟 ✅）	Alpha 策略（仍研究 ⚠️）
奖励清晰	明确：相对 VWAP/TWAP 的执行成本，立即可测	模糊：风险调整后收益，长期、高噪声
环境相对平稳	分钟级微观结构在短时窗内较稳	市场结构持续漂移，信号易失效
样本充足	每天大量订单、tick 级数据	有效独立样本极少（年化就几十个）
模拟器可信	冲击模型 + LOB 可较好模拟	难以模拟自身策略对未来价格的反馈

执行问题信噪比高、反馈快、可模拟，于是 RL 能学到东西；alpha 问题恰恰每一条都踩雷。

2. 奖励设计：为何不能直接用 PnL。 用单期 PnL 当 reward 会让 agent 学成"高波动赌徒"（PnL 方差巨大、信号被噪声淹没）。常见改良：用风险调整奖励，例如差分夏普（Differential Sharpe Ratio）、或在 reward 里显式扣交易成本与回撤惩罚：

$$r_t = \Delta\text{PnL}_t - \lambda_{\text{risk}}\,\sigma_t - \lambda_{\text{cost}}\,|\Delta w_t|$$

3. 非平稳： RL 默认环境是固定 MDP，而市场的转移分布在变。训练期最优的策略，部署期可能因 regime 切换而失效。缓解：滚动重训、加入市场状态特征、用更鲁棒/保守的目标。

4. 模拟器偏差（sim-to-real gap）： 最阴险的是反馈缺失——历史回放假设"我的下单不影响价格"，但真实大单会推动价格、引来对手反应。模拟器越乐观，回测越虚高。执行场景靠成熟的市场冲击模型部分弥补，alpha 场景几乎无法可信模拟自身的市场影响。

1. Triple-barrier 在解决什么。 传统"固定持有 N 天看涨跌"的标签忽略了路径：可能中途已经暴跌触发止损，却被记成"N 天后上涨"。三重壁垒法模拟真实交易的离场规则，给每个入场点画三道线，谁先被触碰就用谁定标签：

价格
 ↑   ┌──────── 上壁垒(止盈, +profit)  → 触碰记 +1
 │   │
 ●───┼──────────────────────┐ 垂直壁垒(最长持有 T)
 入场│                       │  到期未碰水平线 → 记 0(或按收益符号)
 │   │
 │   └──────── 下壁垒(止损, -stop)   → 触碰记 -1
 └───────────────────────────────→ 时间

• 上/下水平壁垒：止盈、止损线，常按波动率动态设定（如 $\pm k\cdot\sigma_t$），而非固定百分比——高波动期壁垒自动放宽；
• 垂直壁垒：最长持有期 $T$，超时强制平仓，避免无限持有。

2. 为什么它天然缓解"不平衡"。 标签来自真实的、风险对称的离场逻辑，而不是把海量"几乎没动"的中间样本硬塞进涨/跌两类。中间噪声样本要么超时记 0、要么干脆按 meta-labeling 过滤，少数类不再是被淹没的零头。

3. 配套：样本唯一性权重。 因为不同入场点的持有区间会重叠（标签共用了同一段未来收益），样本并非独立。López de Prado 提出按标签重叠度给样本降权（uniqueness weight），重叠越多权重越低，避免重复信息让模型高估自信。

四类泄漏，各一个"看不出 bug 但已作弊"的例子：

类型	真实例子	后果 / 修法
① 特征泄漏	用财报"报告期"对齐特征，但财报实际发布晚 45 天；回测在报告期就用上了 → 提前知道业绩	按发布日对齐，建 PIT 库
② 标签泄漏	特征用 t-20→t 的均值，标签是 t→t+5 收益；CV 随机划分使训练样本与测试标签时段重叠	Purged K-Fold + Embargo（见 Q43）
③ 验证泄漏	在全历史上网格搜索选超参，再"回测"同一段；超参已偷看未来	调参只在训练段做时序 CV，OOS 段完全隔离
④ 数据处理泄漏	先对全数据集做 PCA / StandardScaler / 缺失值填均值，再切训练测试；统计量含了测试集信息	所有 fit 只在训练集

Pipeline 纪律：为什么必须 fit 在训练、transform 在测试。 任何"学了参数"的预处理（标准化的均值方差、PCA 的主成分、目标编码的类均值、缺失填充值、分箱边界……）都只能从训练集学，否则测试集信息回流到训练。手工分步极易在某一步漏掉这条纪律，所以用 Pipeline 把预处理 + 模型打包，让 CV 在每个 fold 内部自动重新 fit：

from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA
from sklearn.linear_model import Ridge

pipe = Pipeline([
    ("scaler", StandardScaler()),   # fit 只发生在训练 fold
    ("pca", PCA(n_components=10)),   # 主成分也只从训练 fold 学
    ("model", Ridge(alpha=1.0)),
])
# 配合时序 CV: 每个 fold 内部自动 fit_transform(训练) + transform(测试)
# from sklearn.model_selection import TimeSeriesSplit
# cross_val_score(pipe, X, y, cv=TimeSeriesSplit(5))

1. 两个维度的注意力分别在算什么。 注意力本质是"算一组归一化权重，再做加权求和"：

$$\alpha_i = \frac{\exp(e_i)}{\sum_j \exp(e_j)},\qquad \text{output} = \sum_i \alpha_i v_i$$

• 时间维注意力：对一只股票的 $T$ 个历史时刻打权重 $\alpha_t$，让模型自己决定"最近 3 天更重要还是上个月那次财报更重要"——动态的、数据驱动的滞后选择，替代手工设 lag。
• 因子维注意力：对 $K$ 个因子打权重 $\alpha_k$，在不同市场状态下放大有效因子、抑制失效因子。

2. 为什么这等价于"因子择时"。 传统多因子是静态权重 $\hat r = \sum_k w_k f_k$，$w_k$ 全样本固定。因子注意力让权重变成依赖当前状态的函数 $w_k = \alpha_k(\text{context})$：牛市放大动量、震荡市放大反转、危机期放大质量/低波。模型自动学会"什么时候信哪个因子"，这正是因子择时的核心诉求，只是用数据端到端地实现了它。

3. 可解释性的真实边界。 注意力权重确实能可视化"模型关注了谁"，但要诚实：

• 注意力权重不等于因果重要性——学界对"attention 是否可解释"有争议，高权重未必是真正驱动预测的变量；
• 权重可能不稳定，换个随机种子就变；
• 它是叙事辅助，不能替代严格的因子归因（如 SHAP、剔除实验）。

1. 用一行公式说清"为什么降方差"。 设 $M$ 个模型，每个预测方差 $\sigma^2$，两两相关系数为 $\rho$。等权平均后的方差是：

$$\text{Var}\!\left(\frac{1}{M}\sum_{i=1}^{M} \hat y_i\right) = \rho\,\sigma^2 + \frac{1-\rho}{M}\,\sigma^2$$

看这个式子能读出两件事：

• 第二项 $\frac{1-\rho}{M}\sigma^2$ 随 $M\to\infty$ 趋于 0 —— 加更多模型能把"独立的"那部分方差抹平；
• 但第一项 $\rho\sigma^2$ 是地板，降不下去。所以集成的关键不是堆数量，而是让基模型尽量低相关（$\rho$ 小）。

这解释了量化为何强调异质集成（线性 + 树 + NN）：它们犯错的方式不同，$\rho$ 低，平均后方差大降；而堆 100 个超参微调的同款 XGBoost，$\rho\approx 1$，几乎白堆。

2. 为什么"降方差"比"提精度"在金融里更值钱。 回到 Q41 主线：金融信号 $\text{Var}(f)$ 本就微薄，单模型的预测方差却很大。集成几乎不改变 Bias（平均不会让你更准），但能显著压低预测方差 → 信号更稳、回撤更小、夏普更高。在 $R^2\approx 1\%$ 的世界里，"稳"就是收益。

3. 三类技巧分别打哪个变量。

技巧	降的是
异质模型集成（线性/树/NN）	压低 $\rho$（错误不相关）
时间集成 / CV 集成	增大有效 $M$、平滑单期噪声
取中位数而非均值	对离群预测更鲁棒（抗厚尾）

1. 为什么"文本→特征"已落地，而"LLM 直接当 alpha"仍在前沿。 分界线在于LLM 被用在哪一环：

• 已落地：LLM 只做非结构化文本 → 结构化特征（情感分、事件标签、实体抽取），下游仍交给传统量化模型做预测与组合。LLM 在这里替代的是人工读研报/读新闻，价值确定、可验证、可回测。
• 前沿/谨慎：让 LLM 直接输出涨跌方向或仓位。问题是它没有市场的因果模型、输出不稳定、且极难做无泄漏回测（见下）。

2. 四个限制的工程化应对。

限制	本质	应对
幻觉	会自信地编造数字/事实	RAG 接真实数据源、强制引用、结构化输出 + 校验、关键数值不让 LLM 算
延迟/成本	大模型推理慢、贵	低频/盘后用大模型抽特征；高频严禁在线路径调用；蒸馏成小模型
信息滞后	训练截止日 + 不知道最新事件	RAG 注入实时信息；别依赖模型"自带"的市场知识
前视/泄漏（回测特有）	模型权重里已"知道"历史结局	用"知识截止日早于回测期"的模型；或只用其文本理解能力而非记忆，且分时点严格 PIT 喂数据