我们能否采用以下方法，为 CTA 策略构建监督学习模型？

• 按时间顺序划分数据
  • 以防止数据泄露并模拟规范的回测
• 随机上采样（非合成）
  • 以处理类别不平衡问题
• 通过集成树算法进行特征转换后建模

关键任务输入：

• 日期
  • 验证期起始日
  • 保留期起始日
  • 保留期结束日
• 优化指标（准确率、精确率、召回率、F1、负对数损失）
• 训练频率（年、季、月、日）

输出：

• 多头或空头的预测信号
• 验证期与保留期的汇总指标
• 验证期与保留期的混淆矩阵
• 最终确定的模型超参数

• 按时间顺序将数据划分为训练集/验证集/保留集
• 假设回测中模型按固定时间间隔重新训练
  • 每年
  • 每季
  • 每月
  • 每日
• 验证期：
  • 对该期间的预测进行评分，并用于超参数调优
• 保留期：
  • 记录该期间的预测，但不用于任何调优

• 信号建模是一个二分类问题
• CTA 资产的信号往往极不平衡（比例约为 1:4）
  • 直接应用 ML 模型将导致在大多数情况下预测为多数类
• 方法
  • 对少数类进行非合成的随机上采样，使比例达到 1:1
  • 上采样采用可复现的随机种子实现

模型框架

• 输入 -> 特征转换（FT）集成树模型 -> 独热编码 -> 最终预测模型

FT 集成树模型：

• 使用监督学习集成树算法进行特征转换
• 方法：
  • 先在训练数据上训练（且从不接触测试数据）
  • 随后作为特征转换步骤使用，其中：
    • 将预处理后的数据输入模型
    • 每棵树的叶节点用作下一模型的输入特征
• 有助于捕捉数据中的非线性关系，同时起到一种正则化作用

最终预测模型：

• 业界领先的梯度提升树算法
• 接收上一层经特征转换并经独热编码的数据，执行二分类预测

精确率 = (𝑻𝒓𝒖𝒆 𝑷𝒐𝒔𝒊𝒕𝒊𝒗𝒆)/(𝑷𝒓𝒆𝒅𝒊𝒄𝒕𝒆𝒅 𝑷𝒐𝒔𝒊𝒕𝒊𝒗𝒆)（真正例/预测正例），针对每个信号方向（多头/空头）在验证期和保留期的合并预测计算

图表 1：精确率直方图：

• 30 个资产 x 2 个信号方向 = 60
• 平均值 = 0.299
• 众数介于 0.30 至 0.35 之间

图表 2：各资产精确率柱状图

• 每个资产有两个精确率数值（每个信号方向各一个）
• 大多数资产在两个信号方向上的精确率结果相近