逻辑回归 LR
决策树 DT
随机森林 RF
梯度提升树 GBDT
XGBoost
本报告严格遵循「完整实战流程 9 步」：准备数据 → 构造标签 → 选择特征 → 时间序列划分 → 训练模型 → 预测 → 评估 → 特征重要性 → 保存结果。所有图表、模型、预测均已落盘归档。
完整实战流程（9 步）
1
准备数据
2
构造标签
3
选择特征
4
时间序列划分
5
训练模型
6
预测
7
评估
8
特征重要性
9
保存结果
关键模型：随机森林分类器
关键参数：n_estimators=100
关键参数：max_depth=10
划分方式：时间序列 70% 训练 / 30% 测试
特征选择：|Pearson r| ≥ 0.01
前置知识：模型策略与评估指标
算法选择策略：先简单后复杂 — 先用线性/逻辑回归建立基线，再尝试树模型，最后调参与特征工程。
回归指标：RMSE、MAE、R²（本任务主要聚焦分类，但需了解连续收益预测时的评估体系）。
分类指标：Accuracy / Precision / Recall / F1，各有适用场景，Accuracy 在类别不平衡时容易误导。
混淆矩阵：FP（错误买入）在交易中最危险，直接造成资金亏损，是风控核心。
ROC 与 AUC：AUC 衡量模型排序能力；1.0 完美，>0.8 良好，0.5 等价于随机猜测。
场景：股票财务因子选股
20,772
样本总数
8
入选特征数
12,282 / 8,490
训练 / 测试 (70/30)
40.4%
正类占比 (1)
训练日期范围：2021-06-30 ~ 2021-12-31 ｜ 测试日期范围：2022-03-31 ~ 2022-06-30
特征选择：剔除 9 个低相关特征（|r| < 0.01），保留 8 个。
Step 3 · 特征选择（Top-15 相关特征）
特征与目标的 Pearson 相关系数（红负 / 蓝正；虚线为保留阈值 |r|=0.01）
Step 4 · 时间序列划分
按 Date 升序排序，前 70% 日期进入训练集，后 30% 日期进入测试集，避免未来信息泄露，符合金融量化建模习惯。
Step 7 · 模型评估对比
| 模型 | Accuracy | Precision | Recall | F1 | AUC |
|---|---|---|---|---|---|
| 逻辑回归 | 0.6472 | 0.3341 | 0.1154 | 0.1715 | 0.4939 |
| 决策树 | 0.5558 | 0.3377 | 0.4198 | 0.3743 | 0.5294 |
| 随机森林 | 0.5903 | 0.3573 | 0.3684 | 0.3628 | 0.5357 |
| 梯度提升树 | 0.5913 | 0.3587 | 0.3699 | 0.3642 | 0.5308 |
| XGBoost | 0.5802 | 0.3478 | 0.3729 | 0.3599 | 0.5359 |
绿色高亮行为该数据集 AUC 最优模型。随机森林关键参数：n_estimators=100, max_depth=10。AUC 越接近 1 表示排序能力越强。
Step 7 · ROC 曲线对比
多模型 ROC 曲线叠加（对角线为随机猜测基准）
Step 8 · 分模型图标分析（混淆矩阵 + ROC / 特征重要性）
逻辑回归 · AUC=0.4939
混淆矩阵 [TN=5185, FP=618, FN=2377, TP=310] ｜ 准确率 0.6472
混淆矩阵 + ROC 曲线
Top-15 特征系数（红负/蓝正）
随机森林 · AUC=0.5357
混淆矩阵 [TN=4022, FP=1781, FN=1697, TP=990] ｜ 准确率 0.5903
混淆矩阵 + ROC 曲线
Top-15 特征重要性
XGBoost · AUC=0.5359
混淆矩阵 [TN=3924, FP=1879, FN=1685, TP=1002] ｜ 准确率 0.5802
混淆矩阵 + ROC 曲线
Top-15 特征重要性
混淆矩阵：绿色对角=预测正确(TP/TN)，红色非对角=预测错误(FP/FN)。此处红/绿仅表示对错，与股票涨跌配色无关。
Step 9 · 保存结果
模型文件：report/models/stock_*.pkl ｜ 预测结果：report/predictions/stock_*.csv
场景：股票收益率预测
39,616
样本总数
5
入选特征数
26,953 / 12,663
训练 / 测试 (70/30)
46.4%
正类占比 (1)
训练日期范围：2020-03-31 ~ 2021-09-30 ｜ 测试日期范围：2021-12-31 ~ 2022-06-30
特征选择：剔除 14 个低相关特征（|r| < 0.01），保留 5 个。
Step 3 · 特征选择（Top-15 相关特征）
特征与目标的 Pearson 相关系数（红负 / 蓝正；虚线为保留阈值 |r|=0.01）
Step 4 · 时间序列划分
按 Date 升序排序，前 70% 日期进入训练集，后 30% 日期进入测试集，避免未来信息泄露，符合金融量化建模习惯。
Step 7 · 模型评估对比
| 模型 | Accuracy | Precision | Recall | F1 | AUC |
|---|---|---|---|---|---|
| 逻辑回归 | 0.3051 | 0.2943 | 0.9806 | 0.4527 | 0.5530 |
| 决策树 | 0.4884 | 0.3250 | 0.6921 | 0.4423 | 0.5740 |
| 随机森林 | 0.4851 | 0.3275 | 0.7182 | 0.4499 | 0.5813 |
| 梯度提升树 | 0.4822 | 0.3268 | 0.7231 | 0.4501 | 0.5863 |
| XGBoost | 0.4841 | 0.3238 | 0.6985 | 0.4425 | 0.5689 |
绿色高亮行为该数据集 AUC 最优模型。随机森林关键参数：n_estimators=100, max_depth=10。AUC 越接近 1 表示排序能力越强。
Step 7 · ROC 曲线对比
多模型 ROC 曲线叠加（对角线为随机猜测基准）
Step 8 · 分模型图标分析（混淆矩阵 + ROC / 特征重要性）
逻辑回归 · AUC=0.5530
混淆矩阵 [TN=223, FP=8728, FN=72, TP=3640] ｜ 准确率 0.3051
混淆矩阵 + ROC 曲线
Top-15 特征系数（红负/蓝正）
随机森林 · AUC=0.5813
混淆矩阵 [TN=3477, FP=5474, FN=1046, TP=2666] ｜ 准确率 0.4851
混淆矩阵 + ROC 曲线
Top-15 特征重要性
XGBoost · AUC=0.5689
混淆矩阵 [TN=3537, FP=5414, FN=1119, TP=2593] ｜ 准确率 0.4841
混淆矩阵 + ROC 曲线
Top-15 特征重要性
混淆矩阵：绿色对角=预测正确(TP/TN)，红色非对角=预测错误(FP/FN)。此处红/绿仅表示对错，与股票涨跌配色无关。
Step 9 · 保存结果
模型文件：report/models/ret_*.pkl ｜ 预测结果：report/predictions/ret_*.csv