3. 机器学习在Alpha策略中的应用概览
在Alpha策略的研发链条中，机器学习并不是一个“替代一切”的黑箱，而是一组可以按任务性质拆解的工具箱。理解监督学习、无监督学习与强化学习各自擅长什么、在选股、择时、组合优化中扮演什么角色，是后续回测与交易成本评估的前提。本节先建立一张“任务—方法—场景”的对应地图，帮助你在动手写代码前明确：我到底要预测什么、优化什么、约束什么。
核心原理：三类学习范式的分工
监督学习的本质是学习一个从特征到标签的映射函数。在Alpha策略中，标签通常是未来收益、超额收益方向或风险调整后收益，特征则是量价、财务、舆情、宏观等因子。它回答的是“给定当前信息，未来会怎样”的预测问题，典型输出是打分或概率。
无监督学习没有标签，目标是发现数据内部的结构。它回答的是“哪些股票或因子彼此相似”“哪些因子在共同驱动收益”。聚类、降维、因子正交化、异常检测都属于这一类，常用于因子压缩、股票分域和风险暴露识别。
强化学习则把投资视为序贯决策：智能体在市场中观察状态、执行买卖动作、获得收益或成本反馈，并学习长期最优策略。它回答的是“在连续决策中，如何权衡当前收益与未来机会”，天然适合择时、动态调仓和考虑交易成本的最优执行。
方法流程：从任务到算法的落地路径
一个典型的机器学习Alpha研发流程可以概括为以下步骤：
- 任务定义：明确是横截面选股、时间序列择时，还是组合权重优化。
- 数据与标签构造：确定特征窗口、标签周期、是否做行业中性化与去极值。
- 模型选择：根据任务选择监督、无监督或强化学习算法。
- 训练与验证：使用时序交叉验证，避免未来函数与数据泄露。
- 信号生成：输出打分、概率或权重，进入组合构建。
- 回测与成本评估：加入换手率、冲击成本、滑点后评估净收益。
下面用一段伪代码展示监督学习选股信号生成的核心结构，注意标签与特征的时序对齐：
# 监督学习选股信号生成（伪代码）
features = build_factors(data, window=20) # 量价、财务、舆情因子
labels = forward_return(data, horizon=5) # 未来5日超额收益
X_train, y_train = align(features, labels, train_period)
model = LGBMRegressor(n_estimators=300, learning_rate=0.05)
model.fit(X_train, y_train)
score = model.predict(features_latest) # 输出横截面打分
weights = top_n_long(score, n=50) # 选取得分前50只
典型场景：选股、择时与组合优化
选股场景以监督学习为主。横截面回归、梯度提升树、神经网络被广泛用于因子合成与收益预测。无监督学习则用于股票聚类，把市场划分为不同风格域，再在每个域内单独建模，降低异质性干扰。
择时场景更强调时间序列与状态切换。监督学习可预测未来市场方向或波动率；隐马尔可夫模型等无监督方法可识别牛熊震荡状态；强化学习则直接学习仓位调整策略，把交易成本纳入奖励函数。
组合优化场景中，监督学习提供预期收益与风险估计，无监督学习提供协方差结构或因子暴露，强化学习可用于动态权重调整。实际落地时，多数机构采用“监督学习出信号 + 传统优化器定权重”的混合架构，而非端到端强化学习。
| 学习范式 | 核心任务 | 选股典型用法 | 择时典型用法 | 组合优化典型用法 |
|---|---|---|---|---|
| 监督学习 | 预测标签 | 收益预测、因子合成 | 方向/波动率预测 | 预期收益与风险估计 |
| 无监督学习 | 发现结构 | 股票聚类、因子降维 | 市场状态识别 | 协方差结构、风险分域 |
| 强化学习 | 序贯决策 | 动态选股调仓 | 仓位与择时策略 | 动态权重与执行优化 |
案例与场景：一个混合架构的选股流程
假设我们要构建一个中频选股策略。第一步，用无监督学习对全市场股票做聚类，得到“高波动成长”“低估值周期”“稳定消费”等若干域。第二步，在每个域内分别训练监督学习模型预测未来5日超额收益，避免不同风格样本互相干扰。第三步，将各域打分合并为全市场打分，并送入组合优化器，在行业中性、换手率约束下求解权重。第四步，用强化学习或规则引擎动态调整仓位，把交易成本纳入目标函数。
这个案例说明：三类学习并非三选一，而是可以按“结构识别—收益预测—动态决策”的顺序串联。真正决定策略成败的，往往不是模型有多复杂，而是标签构造、时序验证和成本建模是否严谨。
误区与复盘
- 误区一：把预测准确率等同于策略收益。高准确率可能来自样本不平衡或标签泄漏，回测净收益才是最终标准。
- 误区二：忽视交易成本。高频调仓的监督学习信号在扣除冲击成本后可能由正转负，必须做成本敏感性分析。
- 误区三：用随机切分做时序验证。金融数据存在自相关，随机切分会导致未来信息泄露，应使用滚动或扩展窗口。
- 误区四：强化学习奖励设计过于简单。只奖励收益而不惩罚换手和回撤，学到的策略往往在实盘中不可执行。
- 误区五：无监督学习结果不可解释。聚类标签需要结合行业、市值、波动等特征做业务解读，否则难以信任。
综上，监督学习、无监督学习与强化学习在Alpha策略中各有明确分工：前者负责预测，中者负责结构，后者负责决策。理解它们的适用边界与组合方式，是后续回测框架设计与交易成本评估的基础。