4. 时间序列数据特性：金融时间序列的自相关性、波动率聚集、非平稳性对模型训练的影响

金融时间序列与独立同分布（i.i.d.）的横截面数据存在本质区别。若不理解其自相关性、波动率聚集与非平稳性，直接套用标准机器学习流程会导致过拟合、伪回归与样本外失效。本节从三个核心特性出发，剖析其对训练集切分与样本构建的具体影响。

4.1 三大核心特性及其数学表征

4.2 自相关性：信息泄漏的隐形通道

当收益率序列存在显著自相关时，相邻样本的标签并非独立。例如，若日收益率一阶自相关系数为 0.15，则第 t 天的收益率包含了第 t-1 天的部分信息。标准 K 折交叉验证在随机打乱后，会将未来样本放入训练集、过去样本放入验证集，造成 前视偏差（Look-Ahead Bias）。

• 影响 1： 模型在验证集上表现虚高，实际部署时失效。
• 影响 2： 特征工程中若包含滚动统计量（如过去 20 日均线），自相关会放大特征与标签的虚假关联。
• 应对策略： 使用 Purged Walk-Forward Cross-Validation，在训练集与测试集之间插入“清洗期”，剔除因自相关导致的泄漏样本。

4.3 波动率聚集：异方差下的风险误判

波动率聚集意味着残差方差不是常数。在低波动期训练的模型，一旦进入高波动期，其预测误差的方差会急剧膨胀，导致风险归因中的 VaR 或 ES 估计严重偏低。

# 模拟波动率聚集对残差的影响
import numpy as np
import matplotlib.pyplot as plt

np.random.seed(42)
T = 1000
returns = np.zeros(T)
vol = 0.01
for t in range(1, T):
    vol = 0.9 * vol + 0.1 * np.abs(returns[t-1])  # 简单波动率聚集模型
    returns[t] = np.random.normal(0, vol)

# 残差平方的 ACF 应呈现显著自相关
from statsmodels.tsa.stattools import acf
resid_sq_acf = acf(returns**2, nlags=20)
print("残差平方前 5 阶 ACF:", resid_sq_acf[:5])

4.4 非平稳性：分布漂移的根源

金融市场的均值、方差、协方差结构会随经济周期、政策变化、市场微观结构演变而改变。一个在 2010-2015 年训练的优秀模型，在 2020 年 COVID 危机期间可能完全失效。非平稳性直接违反了机器学习中“训练集与测试集独立同分布”的基本假设。

4.5 综合影响：为什么不能随机切分？

下图展示了自相关性、波动率聚集与非平稳性如何共同破坏标准 K 折交叉验证的独立性假设，并导致信息泄漏与分布漂移。

4.6 应对策略总结