1. 课程导入

欢迎进入《Qlib机器学习Alpha预测实战》。在动手写第一行因子代码之前，我们需要先建立一张“认知地图”：量化投资到底在解决什么问题，Alpha预测在整条链路中处于什么位置，Qlib又为我们提供了哪些基础设施。本章不涉及复杂公式，但会决定你后续29章的学习效率——因为很多初学者失败，不是模型不会调，而是从一开始就把问题定义错了。

一、量化投资与Alpha预测的基本概念

量化投资的核心，是用可复现的规则和模型替代主观判断，在风险可控的前提下获取超额收益。这里有两个关键词：可复现与超额收益。可复现意味着你的决策逻辑必须能被数据、代码和参数完整描述；超额收益则指向一个专业术语——Alpha。

在资产定价语境中，收益通常被拆成两部分：一部分来自市场整体涨跌或风格暴露，称为Beta；另一部分来自选股、择时或另类信息带来的、与市场无关的收益，称为Alpha。用一句通俗的话说：Beta是“水涨船高”，Alpha是“船自己会划”。量化投资的目标，就是系统性地寻找并捕获Alpha。

Alpha预测，则是把“未来某只股票相对基准的超额收益”转化为一个可学习的监督问题。典型形式是：给定截至T日的历史量价、财务、舆情等特征，预测T+1到T+N日的收益或收益排序。它可以是回归问题（预测收益率数值），也可以是分类问题（预测涨跌），还可以是排序问题（预测横截面排名）。Qlib中的机器学习Alpha预测，主要围绕横截面排序展开：不要求预测绝对涨跌幅，而是要求把未来表现更好的股票排到前面。

二、从数据到交易：Alpha预测在量化链路中的位置

很多初学者一上来就研究LSTM、Transformer，却忽略了Alpha预测只是量化链路中的一环。完整链路通常包括：数据获取与清洗、因子构建、标签定义、模型训练、预测合成、组合优化、风险控制、交易执行与归因分析。Alpha预测位于“因子”与“组合”之间，它把原始特征转化为对未来收益的预测信号，再交给组合优化器决定买什么、买多少。

这意味着：模型精度不是唯一目标。一个IC很高但换手率爆炸的模型，扣除交易成本后可能亏损；一个IC一般但稳定性强、与现有因子低相关的模型，反而可能更有价值。因此，本课程会反复强调“预测—组合—成本”的联动视角。

下面这张图展示了从原始数据到最终持仓的典型流程，以及Qlib在其中的覆盖范围。请先建立整体印象，后续章节会逐层展开。

三、Qlib框架简介：为什么选择Qlib

Qlib是微软开源的AI量化投资平台，定位不是“帮你赚钱的策略库”，而是面向机器学习工作流的量化研究基础设施。它解决的是量化研究中大量重复、易错、难复现的工程问题：数据对齐、时间序列切分、因子表达式计算、模型训练与回测的统一接口。

Qlib的核心能力可以概括为以下几层：

• 数据层：支持本地二进制格式（.bin）高效存储，提供统一的数据查询接口，避免每次训练都从CSV重新读取。
• 表达式引擎：用类似公式的表达式定义因子，例如Ref($close, 1)/$close - 1表示昨日收益率，自动处理横截面与时间序列运算。
• 工作流（qrun）：通过YAML配置文件串联数据、模型、训练、回测，一条命令完成实验。
• 模型库：内置LightGBM、MLP、LSTM、Transformer、GAT等模型，也支持自定义PyTorch模型。
• 回测与评估：提供IC、ICIR、Rank IC、年化收益、最大回撤、换手率等指标，支持基于预测信号的简单策略回测。

与从零搭建相比，Qlib最大的价值在于标准化。它让“数据—因子—模型—回测”的接口统一，使实验可复现、可对比。对于学习者而言，这意味着你可以把精力集中在Alpha逻辑本身，而不是反复处理数据泄漏和日期对齐。

四、课程学习目标与整体知识框架

本课程共30章，目标是让你具备独立完成一个机器学习Alpha预测实验的能力，并能正确评估结果、识别常见陷阱。具体目标包括：

1. 理解量化投资与Alpha预测的基本概念，能区分Beta与Alpha、回归与排序任务。
2. 掌握Qlib的数据组织、表达式引擎与工作流配置，能独立编写YAML实验配置。
3. 掌握因子构建与标签定义方法，理解时间序列切分与数据泄漏的防范。
4. 掌握LightGBM、MLP、LSTM、Transformer等模型在Alpha预测中的使用与调参。
5. 能读懂IC、Rank IC、回测曲线与换手率，并对实验结果进行归因分析。
6. 能识别过拟合、未来函数、幸存者偏差等常见误区，并知道如何复盘修正。

整体知识框架可以按“四层递进”理解：

层次	核心内容	对应章节范围	学习产出
基础层	量化概念、Qlib环境、数据与表达式	第1–8章	能跑通内置工作流，理解数据格式
特征层	因子构建、标签设计、预处理与切分	第9–15章	能自定义因子与标签，避免数据泄漏
模型层	树模型、神经网络、序列模型与调参	第16–24章	能训练并对比多种Alpha模型
评估与实战层	回测指标、组合构建、归因与复盘	第25–30章	能独立完成端到端实验并撰写报告

五、常见误区与学习心态

在正式开始之前，先列出几个高频误区，它们会贯穿整个课程：

• 误区一：把回测收益当成真实收益。回测中的高收益可能来自过拟合、未来函数或忽略交易成本。后续章节会教你如何识别。
• 误区二：只关注模型，不关注数据与标签。在Alpha预测中，特征和标签的质量往往比模型结构更重要。
• 误区三：用随机切分处理时间序列。金融数据必须按时间切分，否则未来信息会泄漏到训练集，导致回测虚高。
• 误区四：追求单一高IC，忽略稳定性与换手。IC的均值和方差同样重要，换手率直接影响净收益。