2、选股问题建模：将选股转化为排序问题

好，咱们直接进入正题。上一章我们聊了排序学习的基本概念，这一章我带你看看，怎么把选股这件事，真正变成一个排序问题。

说实话，我刚开始做量化那会儿，也踩过不少坑。最典型的就是——拿回归模型硬怼。结果呢？回测曲线漂亮得不行，实盘一跑就崩。后来我才明白，选股的本质，从来不是预测收益率具体是多少，而是判断哪只股票相对更好。

2.1 为什么选股本质上是排序问题？

你想想看，我们做选股，最终目的是什么？是构建一个投资组合。组合里，我们需要决定：买哪些股票？每只买多少？

这背后隐含的逻辑是：我们只需要知道股票A比股票B好，股票B比股票C好……至于A的预期收益是5%还是5.1%，其实没那么重要。只要排序对了，组合的收益就不会差太多。

我个人习惯把这个问题叫做「相对价值判断」。说白了，就是给全市场股票打个分，然后按分数从高到低排序。前10%买入，后10%卖出——这就是最朴素的选股策略。

核心观点： 选股不是预测绝对值，而是判断相对优劣。

2.2 传统回归/分类模型的局限性

嗯，这里我要重点说一下。很多新手上来就用线性回归预测下个月收益率，或者用分类模型预测涨跌。这些方法不是不能用，但有几个硬伤。

2.2.1 回归模型的痛点

回归模型的目标是让预测值尽可能接近真实值。比如预测下个月收益率，模型会努力拟合出5.2%、3.8%这样的具体数字。

但问题来了：

  • 噪声太大：股票收益率本身信噪比极低，你很难精确预测到小数点后一位
  • 目标不一致：我们真正关心的是排序，不是精确值。模型花大量精力去拟合那些微小的波动，反而忽略了相对关系
  • 分布偏移：不同时间段的收益率分布差异很大，牛市和熊市的模型参数可能完全不同

我曾经用LSTM预测个股收益率，回测时R²能到0.3，觉得稳了。结果实盘一跑，排序效果还不如简单的动量因子。为什么？因为模型学到了很多噪声模式，换了个市场环境就失效了。

2.2.2 分类模型的局限

分类模型呢？把问题简化为「涨」或「跌」。这看起来更直接，但同样有问题：

  • 信息损失严重：涨5%和涨0.1%都被归为「涨」类，但这两者的投资价值天差地别
  • 阈值敏感：分类边界怎么定？用0%？还是用中位数？不同的阈值会导致完全不同的结果
  • 类别不平衡：A股市场长期来看，上涨和下跌的天数其实差不多，但幅度差异很大。分类模型很难处理这种「幅度不平衡」
避坑指南： 我曾经用XGBoost做二分类预测涨跌，准确率做到了55%。但实际构建组合时，发现选出来的股票和随机选没什么区别。因为模型虽然判断对了方向，但完全无法区分「大涨」和「小涨」——这才是选股的关键。

2.3 Pairwise思路：两两比较

既然直接预测绝对值不行，那换个思路——我们让模型比较两只股票，判断哪只更好。这就是Pairwise方法的核心。

具体来说：

  1. 从训练集中随机抽取两只股票A和B
  2. 如果A的收益率高于B，则标记为(A优于B)
  3. 模型学习一个打分函数，使得对于任意一对(A, B)，如果A优于B，则score(A) > score(B)

这有点像我们平时说的「两两对比」。你想想看，让你直接说茅台值多少钱，你可能说不准。但让你比较茅台和五粮液哪个更好，你就能说出个一二三来。

Pairwise的经典模型是RankNet，后来发展出LambdaRank、LambdaMART等。这些模型在搜索排序领域取得了巨大成功，后来被引入到量化选股中。

个人经验： 我在做A股选股时，Pairwise模型的效果通常比回归模型提升5-10%的IC值。但要注意，Pairwise的训练样本量会爆炸——N只股票会产生N*(N-1)/2个样本对。所以需要做采样，我一般每期采样10万对左右。

2.4 Listwise思路：整体排序

Pairwise虽然比回归好，但有个问题：它只关注两两之间的相对关系，忽略了整个列表的全局结构。

举个例子，假设我们有5只股票，真实排序是[1,2,3,4,5]。Pairwise模型可能学到的排序是[1,3,2,4,5]——虽然大部分两两关系是对的，但2和3的顺序颠倒了。从组合构建的角度看，这种局部错误可能影响不大。但如果模型把第1名和第5名搞反了，那就麻烦了。

Listwise方法就是为了解决这个问题。它直接以整个排序列表为优化目标，常用的损失函数包括：

  • NDCG损失：归一化折损累计增益，关注排名靠前的准确性
  • MAP损失：平均准确率，适合关注头部排序的场景
  • ListNet损失：基于排列概率分布的损失函数

说白了，Listwise就是让模型直接学习「怎么排这个队」，而不是「谁比谁高一点」。

2.5 三种方法的对比

我整理了一个表格，方便你对比：

方法 优化目标 优点 缺点 适用场景
回归 预测精确值 简单直接，容易实现 噪声敏感，目标不一致 因子合成、风险预测
分类 预测涨跌方向 结果直观，可解释性强 信息损失，阈值敏感 择时、事件驱动
Pairwise 两两相对关系 符合排序本质，效果稳定 样本量大，忽略全局 中低频选股、因子挖掘
Listwise 整体排序质量 全局最优，头部准确 计算复杂，实现难度大 高频选股、组合优化

2.6 知识体系框架图

下面这张图，帮你理清本章的核心逻辑：

选股问题建模：从预测到排序 选股本质：排序问题 回归/分类模型 Pairwise 方法 Listwise 方法 局限性 噪声敏感 目标不一致 信息损失 核心思想 两两比较 相对关系 RankNet/LambdaMART 核心思想 整体排序 全局最优 NDCG/ListNet 结论：排序学习更适合选股场景 Pairwise 稳定可靠，Listwise 追求极致

2.7 实战中的选择建议

说了这么多，到底该用哪种方法？我个人的经验是：

  • 刚入门：先从Pairwise开始，用LambdaMART模型。实现简单，效果稳定，不容易翻车
  • 有一定基础：尝试Listwise方法，特别是关注头部排序的场景（比如只选前10%的股票）
  • 做高频交易：Listwise更合适，因为高频场景对排序的精度要求更高
  • 做低频选股：Pairwise足够了，加上一些因子筛选，效果就很不错
一个小技巧： 我习惯先用Pairwise模型跑一遍，得到初步的排序结果。然后在这个结果上，用Listwise做一次微调。这样既保证了稳定性，又提升了头部排序的准确性。有点像「先粗排，再精排」的思路。

好了，这一章我们重点解决了「为什么选股是排序问题」以及「三种建模方式的优劣」。下一章，我会带你手把手实现一个完整的Pairwise选股模型，从数据准备到模型训练，再到回测验证，全部走一遍。

公众号:蓝海资料掘金营，微信deep3321

← 上一章 📖 返回目录 下一章 →