用 sklearn 预测涨跌:9 个模型里 6 个跑不过基线

标的         模型      准确率%   基线%   相对基线    AUC
sh.600000   随机森林   53.79   53.62   +0.17    0.5210
sh.600000   逻辑回归   53.45   53.62   -0.17    0.5282
sh.600019   梯度提升   50.73   53.24   -2.50    0.4906

一、口径(这一节的价值一半在这里)

二、分类指标:9 个里 6 个跑不过基线

🔧 动手做:让 ML 预测涨跌,看它比"永远猜涨"强多少(6 分钟)

跑 python ml_predict.py。它用一堆特征、逻辑回归和随机森林预测第二天涨跌。

你会看到(实测):准确率 53.79% 听着不错——但 "永远猜多数类"的基线就是 53.62%。9 个模型里只有 1 个真正超过基线,AUC 最高才 0.5307、最低 0.4906(还不如瞎猜)。

想明白:准确率这个数会骗人——涨的日子本来就比跌的多,你无脑猜"涨"就有 53.62%。真正的对照不是 50%,是多数类基线。而且就算 AUC 略高于 0.5,分类指标好 ≠ 策略赚钱(方向对但赢小输大照样亏)。"用 AI 预测股市"这件事,先问:它比无脑猜多数类强了几个 bp?

三、分类指标好 ≠ 策略赚钱

最朴素的接法:预测涨 → 次日满仓;预测跌 → 空仓。双边成本 10bp。

9 个组合里只有 1 个跑赢买入持有(sh.000300 随机森林,+3.78 pp)。

而它恰好也是分类指标最好的那个(相对基线 +1.77 pp、AUC 0.5307)——但这种一致性在其余 8 个里并不成立。

四、换手是这类模型的天敌

零成本下 11.95% 的那个,20bp 成本下是 -5.57%。

这就是 p4.2 与 p5.7 的老问题在 ML 上的重现:日频信号天然高换手,而高换手对成本极度敏感。

任何"AI 预测涨跌年化 X%"的说法,先问:那个 X 是零成本算的吗?

五、怎么读这类结果(四条)

1. 准确率必须减去基线。测试集上涨占比往往不是 50%,"永远猜多数类"就能拿到基线准确率
2. AUC 比准确率更有信息量——不受阈值与类别比例影响
3. 分类指标和策略收益之间没有简单映射:准确率高一点可能全被换手成本吃掉;准确率略低但押对了大波动反而赚钱
4. 正确的报法是四个一起给:准确率 + 基线 + AUC + 接回测后的含成本收益

只报准确率的,基本可以直接跳过。

六、那这件事还值不值得做

值得——但要换一个目的。

本节最有价值的产出不是模型,是那张"9 个里 6 个跑不过基线"的表。

它给了你一个基准感:下次看到"AI 预测准确率 65%",你会立刻问——基线是多少?AUC 是多少?扣成本之后呢?

📌 免责:本课为技术教学,模型与特征均为演示口径,标的按代码取样(非精选),不构成任何交易信号或投资建议。