构建财务预测模型

第 4 步：选择并训练模型

参考预测方法概览，选择适合数据特点的模型。线性回归模型可用于描述线性关系。对于更复杂的非线性行为，可以考虑随机森林或 LSTM（长短期记忆）神经网络。

先从简单的基准模型开始。只有当更复杂的模型能显著改善其在训练阶段未见过的数据上的表现时，才增加模型复杂度。

第 5 步：回测与验证

使用时间上晚于训练数据、且模型未见过的数据进行测试。回测应以历史上各时点当时可获得的信息来模拟预测。特征选择和预处理均不得使用未来观测值。

评估预测本身时，可使用平均绝对误差（MAE）或均方根误差（RMSE）等指标，将预测误差与简单基准模型比较。交易结果还取决于成本和执行情况。

• 滚动前推验证先用一个时间窗口内的数据训练模型，再在下一时段的数据上测试，随后将窗口向前滚动。
• 夏普比率分析通过衡量风险调整后收益，评估基于预测开展交易的结果。
• 回撤衡量相对于此前峰值的下降幅度。历史回撤反映的是过去的损失，并不代表未来可能发生的最严重损失。