量化机器学习里“模型走捷径”的典型现象与应对方法
这个现象在量化里特别典型：模型会优先学“最容易降低 loss 的信号”，而这些信号往往是： 不可交易（跌停 / 停牌 / 流动性太差、成交冲击巨大） 不允许暴露（行业 / 风格 / beta 太强，后面优化器会剪掉） 看起来很准但其实是泄露 / 同步信息（时间戳没对齐、用到了收盘后才能知道的东西） 想让训练“无偏”（更…
这个现象在量化里特别典型：模型会优先学“最容易降低 loss 的信号”，而这些信号往往是： 不可交易（跌停 / 停牌 / 流动性太差、成交冲击巨大） 不允许暴露（行业 / 风格 / beta 太强，后面优化器会剪掉） 看起来很准但其实是泄露 / 同步信息（时间戳没对齐、用到了收盘后才能知道的东西） 想让训练“无偏”（更…