简介：这份代码包围绕《金融机器学习进展》（英文名Advances in Financial Machine Learning）一书的精选练习，面向具备一定Python语言和机器学习基础的量化研究者、金融数据爱好者，提供了一套可在Jupyter环境下直接运行的实验性解决方案。包内共收录43个文件，压缩包约2.8MB，核心组成为18个Python脚本与6个Notebook笔记，另有若干文档、配置、图片与辅助脚本，其中src目录下的bars.py和snippets.py可通过setup.py安装，便于在Notebook中复用。目前已有328人学习下载，适合对照原书章节逐项复现和扩展。内容覆盖标签与元标签在监督分类中的应用、金融交叉验证、样本权重设定、分数差分特征、成交量柱构建等关键主题；项目按data、models、src、reports等标准模块组织，并附带Makefile命令与依赖说明，可帮助读者快速搭建环境、理解实验设计、验证书中的金融机器学习理论，同时为后续研究提供可修改的基础代码。
1. Fin_ML 练习为什么值得你亲手跑一遍：从“看懂”到“复现”的鸿沟
Lopez de Prado《金融机器学习进展》里近一半的功力在练习里。你有没有过这种体验：每一章标题都读得懂，一到代码就不知道怎么把“三重屏障”变成可跑的标签函数？Adv_Fin_ML_Exercises 这类实验性解决方案把书中练习重写成可运行代码，目的是补上“看懂”与“复现”之间的鸿沟。它解决的是量化建模中最容易被低估的三个问题：非平稳序列怎么处理、标签怎么打才不泄漏、交叉验证怎么切才不出幻觉。适合谁：想把策略从“看曲线猜运气”推进到“能审计、能回滚”的量化工程师和数据科学家。这些练习不是标准答案，而是帮你把书里的每个理论变成自己的落地方案。
2. 分数差分落地：让非平稳价格变成“准平稳”序列的最小复现
2.1 为什么不能直接用对数收益率：IID 假设的地基问题
多数人处理价格序列的第一反应是取对数收益率。它平稳、线性化后能进回归模型，也能满足大多数机器学习算法对输入分布的基本要求。但 Lopez de Prado 在书里专门用了很大篇幅反对这个默认选择：对数收益率把价格序列里的“记忆”几乎全部切掉了。一阶差分相当于把过去的低频结构全部清零，动量、均值回归这类跨周期的信息也随之消失。金融时间序列的依赖结构本来就不是IID的，强行用对数收益率换平稳，等于先把信息扔了再进模型，后面的调参都是在给没有输入信息的模型找补。
练习方案里通常先跑分数差分（fractional differentiation），目标是找到平稳性与记忆保留之间的中间点。d 在 0 到 1 之间取值：d=1 就是普通一阶差分，d=0 就是原序列。分数差分后的序列保留价格的部分记忆，同时通过 ADF 检验证明它已经不带单位根。许多做日频动量的人会发现 d=0.3~0.5 的差分序列比对数收益率更能分化出趋势特征，这是练习带给你的第一个认知：平稳不等于“可建模”，保留记忆的准平稳才更接近金融数据真实结构。
2.2 最小可跑的 fracdiff 实现：系数迭代与滚动窗口
分数差分的数学形式是二项式展开，关键是递推一组权重。下面这段代码实现了最基本的分数差分，不依赖任何额外库，只要 numpy 和 pandas。
import numpy as np import pandas as pd def frac_diff_weights(d: float, tol: float = 1e-5) -> np.ndarray: """ 递推二项式展开系数 (1-z)^d 的权重。 系数绝对值小于 tol 时截断，避免无限循环。 """ w = [1.0] k = 1 while True: w_k = -w[-1] * (d - k + 1) / k if abs(w_k) < tol: break w.append(w_k) k += 1 return np.array(w) def frac_diff(series: pd.Series, d: float, tol: float = 1e-5) -> pd.Series: """ 对价格序列做分数差分。 返回值前排 len(w)-1 个位置是 NaN，因为窗口长度不够。 """ w = frac_diff_weights(d, tol) w_rev = w[::-1] # 把系数按时间从旧到新排列 out = pd.Series(index=series.index, dtype=float) for i in range(len(w), len(series)): out.iloc[i] = np.dot(w_rev, series.iloc[i - len(w):i].values) return out这段代码的逻辑是：把(1-z)^d展开成一串权重，对当前时间点附近的一段历史价格做线性组合。w_rev反转后与series.iloc[i-len(w):i]对齐，点乘结果就是该时刻的分数差分值。注意循环从len(w)开始，前面的样本没有足够的窗口，直接留空——这是练习里最容易被忽略的边界问题，很多人得到的差分序列开头莫名出现大数，就是因为没有丢弃这些未成熟的窗口。
参数上重点关注两个地方。一是d，它决定权重的衰减速度，d 越大权重衰减越快，序列越接近一阶差分；二是tol，它决定权重保留多长。分数差分的权重是幂律衰减不是指数衰减，数学上没有自然终点，必须靠阈值截断。我第一次跑的时候把 tol 设成 1e-3，结果权重只保留 30 多项，序列形态与书里示例对不上；改成 1e-5 后权重到了 100 多项，结果才稳定下来。常见做法是先固定 1e-5 跑通流程，正式实验再根据计算量决定是否收紧。
注意：不要在完整数据集上扫描 d 值再做训练，这会引入前视信息。具体坑在第 5 章会展开。
2.3 两个必调参数：d 值与阈值容差，以及它们对记忆长度的影响
d 值的选取没有全局标准答案，常见方案是在 0.2 到 0.6 之间做网格扫描，对每个候选 d 做 ADF 检验，取 p 值显著且 d 最小的点。为什么取最小？因为 d 越大，权重衰减越快，保留的记忆越少；你只是在“刚好平稳”的边缘找一个记忆最长的点。只做 ADF 不能保证“这个 d 最适合后续模型”，更务实的做法是再配合样本外效果验证。书里练习的预期结果区间通常会给你一个参照，比如某组价格数据在 d=0.4 时 ACF 已经不显著，但低频方差仍然可以被特征模型捕捉。
tol 的影响往往被低估。分数差分权重是长尾的，截断位置直接决定“记忆长度”。tol=1e-4 和 tol=1e-6 之间的权重数量可能差出几十项，但对实际差分值的数值影响常常到小数点后第四位才有差异。我的习惯是：先用 1e-4 快速验证流程正确性，再切换到 1e-5 得到正式结果，不追求更小的 tol，因为计算耗时成倍增长，收益基本看不到。如果你的数据量在几十万行以上，建议直接把权重计算向量化，否则滚动循环会成为性能瓶颈。把上面代码里的 for 循环改成基于 NumPy 滑动窗口的写法，通常能提速几十倍。
3. 三重屏障与 Purged K-Fold：把标签和验证一起做对的工程实践
3.1 三重屏障法为什么比固定期限标签稳
标签是监督学习的起点，金融数据里标签尤其不能随手打。固定期限标签的做法是：持有一个固定时间窗口，期末收益为正标 1，否则标 0。它的问题在于完全忽略路径——某只股票在前 3 天冲高触发止盈、后 7 天跌回原点，固定窗口会把这个样本标成 0，但按真实交易规则你早该在第 3 天获利离场，这就是标签与真实决策的错位。Lopez de Prado 提出的三重屏障法把终止条件拆成三个事件：上屏障（止盈）、下屏障（止损）、垂直屏障（最大持有时间）。哪个事件先触发，就用哪个事件的结果来定标签。
练习里实现三重屏障的第一步不是打标签，而是算三个事件各自的发生时间。我一般会为每个样本维护三个时间戳数组：touch_profit_take、touch_stop_loss、vertical_end，分别记录最早触发止盈、最早触发止损、以及最大持有期结束的时间点，再去三个时间的最小值作为最终事件时间。这一步看起来简单，却是最容易出错的位置，因为如果先算最终收益再映射标签，你会把“触发过止盈又回吐”的样本错记为亏损样本。先算事件时间，再按时间顺序写标签，顺序不能反。
3.2 meta-labeling：用二级模型过滤第一层模型的“自信”
三重屏障给了粗标签，模型可以输出一个方向信号。但实际交易里更常见的痛点是：模型预测“看涨”的次数很多，真正值得下单的次数很少。meta-labeling 的思路是在第一层粗信号上加一个二次过滤器——第一层模型负责判断市场方向，第二层模型负责判断“方向对的时候值不值得出手”。这种做法对策略提升往往比换更强的第一层模型更明显，因为第二层专门学习的是“什么环境下第一层模型的预测可信”。
代码上就是一个两阶段的训练流程。第一层用原始特征训练分类器，输出概率；第二层用这个概率以及当前波动率、距上下屏障的距离等上下文特征，训练一个二分类器，标签是“第一层信号是否最终命中”。
import pandas as pd from sklearn.ensemble import RandomForestClassifier # 第一层：用三重屏障标签训练方向模型 clf1 = RandomForestClassifier(n_estimators=300, max_depth=6, random_state=0) clf1.fit(X_features, y_primary) # y_primary ∈ {-1, 0, 1} prob_primary = clf1.predict_proba(X_features)[:, 1] # 第二层：meta-labeling，只判断“该不该出手” meta_features = pd.DataFrame({ "prob_primary": prob_primary, "volatility": vol_series, "dist_to_take_profit": dist_tp, "dist_to_stop_loss": dist_sl, }) meta_label = (y_primary != 0).astype(int) clf2 = RandomForestClassifier(n_estimators=100, max_depth=3, random_state=0) clf2.fit(meta_features, meta_label)这里的meta_label用了简化写法，把“第一层预测非零”当作二次标签。更严谨的版本是：第一层预测方向且最终收益为正才算 1。我建议你练习时直接用严谨版，因为简化版会把“模型预测了但没触发任何事件”的样本也算进正样本，混淆第二层的学习目标。第二层的参数和第一层不同，树的数量不需要多，100 棵足够；max_depth要小，因为输入特征只有四个维度，深树只会把概率输出切得過碎，纯属过拟合。
3.3 Purged K-Fold：把时间泄漏关进笼子
普通 K-Fold 交叉验证是机器学习教科书的默认操作，但它对金融时间序列几乎不适用。原因在于样本独立性假设不成立：训练集里某个样本的标签窗口可能横跨测试集的时间范围，也就是说训练集间接包含了测试集的信息。Lopez de Prado 在书中给出的标准方案是 Purged K-Fold——先按时间切测试集，然后从训练集里剔除标签窗口与测试集有重叠的样本，这叫 purge；再在切分边界两侧额外空出一段冷却期，这叫 embargo。
embargo 的作用更隐蔽。即便训练集样本的时间戳在测试集之前，但金融数据的自相关性会让测试集结束后的一段价格仍然受测试集标签影响，所以需要在边界两侧再隔离一段距离。练习里很多人只实现 purge 不实现 embargo，相当于只关了一扇门，另一扇门还敞着。
import numpy as np def purged_kfold_index(times: np.ndarray, n_splits: int = 5, embargo_frac: float = 0.01): ts_min, ts_max = times.min(), times.max() span = ts_max - ts_min edges = np.linspace(ts_min, ts_max, n_splits + 1) for k in range(n_splits): test_mask = (times >= edges[k]) & (times <= edges[k + 1]) test_idx = np.where(test_mask)[0] embargo = span * embargo_frac train_mask = (times <= edges[k] - embargo) if k + 1 < n_splits: train_mask |= (times >= edges[k + 1] + embargo) train_idx = np.where(train_mask)[0] yield train_idx, test_idx这个生成器的核心逻辑是按时间轴把数据切成 n_splits 个区间，每个区间做一轮测试集，训练集取测试区间前后各退避embargo之后的样本。purge 的效果体现在边界处理上：训练集不保留与测试集时间邻近的数据，避免标签窗口交叉。embargo_frac 的取值常见为 0.01，但更严谨的做法是把它设成数据中最长垂直屏障时间与总时间跨度的比值。宁可多丢一些样本，也不要让泄漏进门——练习里很多人为了保样本量把 embargo 设为 0，结果模型在回测里表现极好，一到自己数据上立刻现原形。
4. 特征重要性与样本权重：把“黑匣子”拆成可审计的三面镜子
4.1 MDI：为什么 sklearn 的 feature_importances_ 会被系统性高估
sklearn 里的feature_importances_就是 MDI（Mean Decrease Impurity），树模型每分裂一次，按不纯度减少量加权累加给当前特征。它最大的优点是免费——训练完模型顺手就能拿到。但它的缺陷也很明显：高基数特征天然占优，因为连续数值型特征更容易找到分裂点；同时当两个特征高度相关时，重要性会在它们之间被随机分摊，真正的信号被稀释。练习里第一次跑出 MDI 排名时，很多人都会误以为排第一的特征就是最重要的，结果换一个数据源，排名乱成一锅粥。
MDI 应该被当成“模型在训练集内对特征的依赖程度”，而不是“该特征的样本外预测力”。用它做特征筛选前，必须和样本外验证指标配合。我自己在做练习对比时，会把 MDI 排名和下一节的 MDA 排名放在同一张表里看，如果某个特征 MDI 很高但 MDA 很低，说明它只对训练集有解释力，对样本外没有贡献。这种特征往往是最值得警惕的过拟合来源。
4.2 MDA：用 Purged K-Fold 做“替换打乱”，得到更诚实的下降量
MDA（Mean Decrease Accuracy）的核心思路是对测试集的某个特征做随机打乱，然后观察模型性能下降多少。如果打乱后分数下降很明显，说明这个特征确实承担了重要的样本外信息；如果基本没变化，说明它在样本外可有可无。MDA 比 MDI 可信的关键在于它是在样本外评估的，而且打乱操作发生在测试集上，不影响训练集。
import numpy as np from sklearn.metrics import accuracy_score def mda(clf, X, y, cv): base_scores, perm_scores = [], [] for train_idx, test_idx in cv: X_train, X_test = X.iloc[train_idx], X.iloc[test_idx] y_train, y_test = y.iloc[train_idx], y.iloc[test_idx] clf.fit(X_train, y_train) base_scores.append(accuracy_score(y_test, clf.predict(X_test))) for col in X.columns: X_test_perm = X_test.copy() X_test_perm[col] = np.random.permutation(X_test[col].values) perm_scores.append(accuracy_score(y_test, clf.predict(X_test_perm))) base_avg = np.mean(base_scores) perm_avg = np.array(perm_scores).reshape(len(cv), X.shape[1]).mean(axis=0) return (base_avg - perm_avg) / base_avg这段代码把每个特征在每折上的打乱后准确率都记下来，最后按折平均，得到每个特征的重要性值。必须强调的是cv必须传上一节写的 Purged K-Fold 生成器，不能用 sklearn 默认的 KFold，否则打乱后的性能下降会被时间泄漏掩盖。返回值是相对下降比例，比如 0.05 表示打乱该特征后准确率下降 5 个百分点。当一个特征的 MDA 接近 0 或负数时，基本可以判定它在样本外是冗余甚至噪声。
4.3 SFI 与特征聚类：单特征重要性如何帮你裁员
SFI 的做法更朴素：一次只喂一个特征训练同一个模型，记录每份单特征模型的样本外分数。SFI 高说明这个特征单独就有信号，SFI 低但 MDA 高说明它必须与其他特征配合才有效。两组指标放在一起看，能识别出三种特征类型：独立信号型、协同型、纯噪声型。练习里最常见的操作是先做特征聚类，用树模型的叶子路径计算特征之间的距离，再做层次聚类；在每个簇内保留 MDA 最高的代表特征，删除其余成员。
这个做法的工程价值在于减小特征维度、降低过拟合风险。特征数量从 50 个降到 15 个后，模型复杂度下降，回测波动率通常也会下降。Fin_ML 练习里很多实验性代码就止步于“跑出指标”，但真正的从业者会再走一步：把 MDI、MDA、SFI 三列指标并排输出，作为每个版本的模型审计报告。这样后面换了数据源、改了标签，你能一眼看出哪个特征的表现是稳定的，哪个只是运气好。
5. Fin_ML 练习最容易翻车的五个地方：现象、原因与解决
5.1 坑一：fracdiff 的 d 值在全样本上重估，回测等于开卷考试
现象：在完整历史价格上扫描 d 值，选了一个 ADF 检验最显著的 d，然后用同一份数据训练模型。回测曲线漂亮得像是发现了圣杯，换到新数据上立刻失效。
原因：d 值的选取依赖全样本统计量，相当于让模型提前“看到了”未来分布的特征。这比特征泄漏更隐蔽，因为它隐藏在一个看似中立的预处理步骤里，所以叫它“开卷考试”一点不冤。
解决：把 d 值的扫描限制在训练折内，每一折只基于该折历史部分重新估计 d，测试折完全不参与。如果这条规则会让代码结构复杂很多，退一步的做法是固定一个先验 d 值（比如 0.4），先把完整流程跑通再谈优化。先跑通、再调参，这个顺序能帮你避免把泄漏和真实收益混在一起。
5.2 坑二：vertical barrier 与触发的顺序没统一
现象：同一批数据，照着网上代码复现三重屏障标签，得到的结果和书里示例分布差异很大；模型后续性能对不齐。
原因：每个屏障的触发判断是独立计算的，最后需要取三者中最早发生的事件。如果你写成了“只要止盈或止损发生过就算标签为 1 或 -1”，那么同时触发过止盈和止损的样本会被错误标记，最终标签分布自然对不上。
解决：统一按时间先后生成事件，先算三个时间戳数组，再取元素级最小值作为最终事件时间；或者用一个DataFrame的三列直接.min(axis=1)。
t_touch = pd.DataFrame({ "tp": event_take_profit, # 最早触达上屏障的时间，没有则 inf "sl": event_stop_loss, # 最早触达下屏障的时间，没有则 inf "vertical": vertical_end # 最大持有期结束时间，一定有值 }).min(axis=1).min(axis=1)取每行三个时间戳里最早的那个，之后根据t_touch对应的事件写标签。这一步是整个练习里最不值得翻车的点，但几乎每个新手都会在这里踩一次。
5.3 坑三：Purged K-Fold 的 embargo 设成 0，泄漏照旧
现象：自己实现的 Purged K-Fold 比普通 K-Fold 分数提升不明显，或者某些折的验证分数异常偏高。
原因：purge 只处理了标签窗口重叠，但没有隔离测试集结束后的自相关影响。金融时间序列的波动率聚集效应会让测试集结束后的一段时间仍与测试集标签高度相关。embargo 设成 0，等于白做一半工作。
解决：embargo 的宽度至少取最长垂直屏障时间与总时间跨度的比值。为了刷指标去缩小 embargo 是最不值得的偷懒，因为这种验证分数只会给你虚假的信心。宁可少几折样本，也要让每一折的独立性成立。
5.4 坑四：MDI 的跨模型绝对值不可比
现象：把两个不同模型的 MDI 排名直接对比，断定某个特征不重要；换一个数据源后结论反转。
原因：MDI 是缩放依赖、模型结构依赖的指标。特征数量变化、树的深度变化、训练集长度变化都会影响 MDI 的绝对值。它在同一模型内部看相对排名有意义，跨模型看绝对值就是刻舟求剑。
解决：跨模型比较只比排名或者比 MDA/SFI 的升降方向，不比数值。更严格的做法是在每次实验里固定模型配置，只改变输入数据，再观察重要性的稳定性。
5.5 坑五：CPM 样本权重被当成“调参旋钮”
现象：为了提升 AUC，对少数类样本随机加大权重，线上回测曲线变好了，实盘却亏损。特征重要性排名也出现大幅动荡。
原因：样本权重的设计初衷是修正因采样偏差造成的分布扭曲，俗称“价格影响”或“事件重叠度”的补偿。它不是给模型加偏好的旋钮。权重一旦和特征交互，会把模型注意力引向少数极端样本，而模型根本无法从中学到稳健规律。
解决：权重的每一步变化都要有语义对应——要么是数据采样的频率差异，要么是事件重要性差异。改完权重后必须重新跑 MDA，如果特征重要性排序发生剧烈变化，说明权重在做无用功或反向引导。这个习惯能帮你把 CPM 用对地方，而不是变成自欺欺人的调参工具。
6. 把练习变成自己的回溯框架：一个值得长期养的“基线+扰动”习惯
练习的终点不是跑完某个章节，而是把它变成你迭代策略的底盘。我自己的经验是：每个项目必须有一个基线配置，所有实验都从这个配置出发，每次只改动一个参数，并保留完整留痕。这是我从无数翻车中换来的血泪经验，以前图快把 d 值和 embargo 写在脚本全局变量里，换数据源时忘了改，模型训完才发觉所有对比都建立在错误的地基上。
具体做法是给每个实验建立一份参数存根，把关键参数连同输出前缀一起记录：
experiment = { "name": "adv_fin_ml_ch07_mda", "seed": 42, "d": 0.4, "fracdiff_tol": 1e-5, "n_splits": 5, "embargo_frac": 0.01, "meta_labeling": True, "output_prefix": "baseline", }每次实验结束时，把实验结果与这份配置一起保存。这样复盘时你能迅速知道“上一次结果是在什么 d、什么 embargo 下跑出来的”，而不是靠记忆猜。验证方法上，我习惯先拿书里公开的图表当参照物——比如 d=0.4 的分数差分结果应该呈现出特定的 ACF 形态，MDA 最重要的特征应该稳定排在前列。如果对不上，先别急着调参，回去检查数据泄漏和标签逻辑，绝大多数“结果奇怪”的根因都在数据准备阶段。
一个值得长期养成的习惯是：所有数据变换函数必须是无副作用的纯函数，输入一个 Series 返回一个 Series，不读取全局变量。这样你能随时回溯任何一步的输出，也能放心地在不同数据之间复用同一套流程。Fin_ML 练习里那些“换数据就不灵”的代码，几乎都是因为全局状态混进了变换流程。现在每写一个新练习，我都会先写下“本次实验动了哪几个参数”的注释，再开始动代码。这个习惯帮我省下了无数推倒重来的时间。希望你也能把这些练习变成自己顺手就能用的策略实验台，少走我踩过的弯路，希望帮到你。
本文还有配套的精品资源，点击获取
