ML4T · 第 8 章 ML4T 端到端工作流

ML4T · 第 8 章 ML4T 端到端工作流

章节摘要:本章属「实战篇」,是全书的实战核心。把前面学到的因子、回测、模型串联成一条完整的端到端工作流。先讲多重检验问题——尝试大量策略会导致虚假显著性,需要用 Deflated Sharpe Ratio 做修正;再分别用向量化回测与 backtrader 事件驱动做实战对比;最后把策略接入 Zipline 回测框架,完成从因子到绩效的完整闭环。本章共 4 节,前置依赖为「第 7 章」。

学习目标

阅读完本章,你应当能够:

1. 理解多重检验问题并用 Deflated Sharpe Ratio 做修正。
2. 用向量化回测快速验证策略雏形。
3. 用 backtrader 做事件驱动的贴近实盘回测。
4. 把策略接入 Zipline 回测框架完成端到端流程。

⚠️ 本章涉及完整策略回测,仅供学习研究,多重检验下的高夏普多为统计幻觉,切勿直接用于实盘。

核心概念速览

试的策略越多,「显著」就越廉价——多重检验修正不是可选,是必须。

子章节导航

01 多重检验与 Deflated Sharpe

多重检验问题、虚假显著性、Deflated Sharpe Ratio 修正。

02 向量化回测实战

把因子信号接走向量化回测,快速看收益与风险。

03 backtrader 事件驱动

用 backtrader 模拟撮合,看滑点、手续费、订单逻辑的真实影响。

04 Zipline 回测集成

把策略接入 Zipline,完成从数据到绩效的端到端流程。

子章节之间的逻辑关系

本章第 01 节(多重检验) ──► 第 02 节(向量化) ──► 第 03 节(backtrader) ──► 第 04 节(Zipline)
   │
   ▼
下一章(第 9 章 树模型与梯度提升)
​

前置知识与后续延伸

前置知识:

• 第 7 章(线性模型预测信号)

后续延伸:

• 第 9 章树模型会用本章的回测流程评估非线性模型
• 第 10 章深度学习与强化学习也建立在本章的端到端框架之上