4. 多变量金融预测问题定义
在单变量时间序列预测中，我们通常只关心一个目标序列的历史值如何决定其未来值。但真实金融场景几乎从不如此简单：资产收益率会受到市场指数、利率、汇率、波动率、成交量、宏观指标乃至新闻情绪的共同影响。TFT（Temporal Fusion Transformer）之所以适合金融预测，正是因为它能同时处理多变量输入、多步预测，并显式区分静态协变量、已知未来输入与未知未来输入。本节将把这四类信息拆开定义，并说明它们在建模中的不同角色。
一、核心原理：四类输入的角色分工
多变量金融预测问题的标准定义可以概括为：给定目标序列的历史观测、若干外生变量的历史与未来信息，以及不随时间变化的静态属性，预测目标序列未来多个时间步的值。TFT 将输入划分为以下四类：
- 静态协变量（Static Covariates）：不随时间变化的属性，如资产类别、行业板块、交易所、信用评级。它们通过静态编码器生成上下文向量，用于调制时间维度的注意力与门控。
- 已知未来输入（Known Future Inputs）：在预测时点已经确定或可提前获取的未来值，如日历特征（星期、月份、节假日）、已公布的财报日期、合约到期日、政策会议日程。它们可以安全地作为解码器输入。
- 未知未来输入（Unknown Future Inputs）：预测时点无法获得未来真实值的变量，如未来成交量、未来波动率、未来市场指数收益率。它们只能使用历史部分，未来部分必须由模型自身推断或忽略。
- 目标序列历史（Target History）：待预测变量自身的历史观测，既参与编码器，也用于构造监督信号。
关键区分标准只有一条：在预测时点 t，该变量在 t+1 到 t+H 的值是否已知？已知则归入已知未来输入，未知则归入未知未来输入。混淆二者会导致数据泄漏，使离线评估虚高、线上表现崩塌。
二、方法流程：从问题定义到 TFT 输入装配
将业务问题转化为 TFT 可训练的样本，需要经过以下步骤：
- 确定预测目标与预测跨度：例如预测未来 5 个交易日的日收益率，H=5。
- 枚举候选变量并分类：对每个变量判断其属于静态、已知未来还是未知未来。
- 构造时间索引与回看窗口：设定编码器长度（如 60 天）和解码器长度（如 5 天）。
- 生成训练样本：每个样本包含静态向量、历史序列、已知未来序列、目标历史与目标未来。
- 配置 TFT 输入层：为每类变量指定对应的变量选择网络与编码路径。
下面是一个简化的配置示例，展示如何用配置字典表达变量分类：
config = {
"static_covariates": ["asset_class", "sector", "exchange"],
"known_future_inputs": ["day_of_week", "month", "is_holiday", "earnings_date"],
"unknown_future_inputs": ["volume", "realized_vol", "market_return", "vix"],
"target": "return_5d",
"encoder_length": 60,
"decoder_length": 5
}在 TFT 内部，静态协变量经过变量选择后生成静态上下文向量；已知未来输入与未知未来输入分别进入编码器的历史部分，而解码器只接收已知未来输入和目标历史。未知未来输入在解码阶段没有真实值，因此不会进入解码器，避免泄漏。
三、案例场景：多因子选股中的变量分类
假设我们要预测某只股票未来 5 日的超额收益，候选变量如下表所示。正确分类是建模成功的前提。
| 变量 | 类型 | 预测时点是否已知未来 | 在 TFT 中的使用方式 |
|---|---|---|---|
| 行业板块 | 静态协变量 | 不随时间变化 | 静态编码，调制注意力 |
| 星期几、月份 | 已知未来输入 | 是 | 解码器输入 |
| 财报公布日 | 已知未来输入 | 是（日程已知） | 解码器输入 |
| 历史成交量 | 未知未来输入 | 否 | 仅编码器历史部分 |
| 市场指数收益率 | 未知未来输入 | 否 | 仅编码器历史部分 |
| VIX 波动率 | 未知未来输入 | 否 | 仅编码器历史部分 |
如果误把“未来成交量”当作已知未来输入喂给解码器，模型在训练时会看到未来真实成交量，评估指标会异常优秀，但实盘时该值不存在，预测立即失效。这是金融时序建模中最常见也最致命的数据泄漏之一。
四、误区与复盘：三个高频错误
误区一：把所有外生变量都当作已知未来输入。只有日历、日程、合约条款等真正可提前确定的变量才属于已知未来。宏观数据虽有发布日程，但其数值在发布前未知，应归入未知未来输入。
误区二：忽略静态协变量的调制作用。静态变量不是简单拼接，而是通过静态编码器生成上下文，影响变量选择与时间注意力。若把行业板块当作普通时间序列输入，会丢失其跨时间的稳定约束。
误区三：多步预测时只关注目标序列。多步预测要求解码器在每一步都有一致的输入结构。已知未来输入必须覆盖整个解码窗口，否则解码器在部分步长上缺少输入，导致预测不稳定。
复盘清单：① 每个变量在预测时点的未来值是否真的已知？② 静态变量是否被正确编码而非当作时序？③ 解码器是否只接收已知未来输入与目标历史？④ 训练集与验证集的时间切分是否严格按预测时点划分？⑤ 是否存在用未来信息构造特征的隐蔽泄漏？
理解这四类输入的定义与边界，是使用 TFT 进行多变量金融预测的第一步。只有先把“什么已知、什么未知、什么不变”说清楚，后续的变量选择网络、注意力机制与可解释性分析才有可靠的语义基础。