一、基础模型选择：线性回归、逻辑回归、决策树、随机森林在量化交易中的应用场景

做量化交易这些年，我见过太多人一上来就堆深度学习模型。

结果呢？过拟合、跑不动、解释不了。

其实，基础模型才是量化交易的基石。今天我就把这四个模型在量化里的真实用法，掰开了讲给你听。

1. 线性回归：量化里的"老黄牛"

线性回归，说白了就是找一条线，让数据点离这条线最近。

在量化交易里，它最常见的用法是——预测收益率。

举个例子。你想知道"市盈率"这个因子能不能预测收益。

用线性回归一跑，系数为正，说明低市盈率股票未来收益可能更高。就这么直接。

# 一个简单的线性回归预测收益
import numpy as np
from sklearn.linear_model import LinearRegression

# 假设X是因子值，y是未来收益率
X = np.array([[pe_ratio, turnover_rate, volatility] for ...])
y = np.array([future_return for ...])

model = LinearRegression()
model.fit(X, y)

# 系数解读
print(f"因子权重: {model.coef_}")
print(f"截距项: {model.intercept_}")

2. 逻辑回归：涨跌分类的好手

逻辑回归名字带"回归"，干的却是分类的活。

它输出的是一个概率——明天涨的概率是70%还是30%。

我个人习惯把逻辑回归作为"基线模型"。什么意思？

任何复杂的模型，先拿逻辑回归跑一遍。如果逻辑回归都跑不出有效信号，那复杂模型大概率也是白搭。

from sklearn.linear_model import LogisticRegression

# 二分类：1=涨，0=跌
model = LogisticRegression(penalty='l2', C=1.0)
model.fit(X_train, y_train)

# 预测概率
prob_up = model.predict_proba(X_test)[:, 1]

# 当概率 > 0.6 时做多
if prob_up[-1] > 0.6:
    print("生成买入信号")

3. 决策树：规则提取器

决策树这东西，你想想看，它就像在问一连串问题：

"市盈率小于15吗？是→再看换手率；否→再看市值..."

最后走到叶子节点，给出一个预测。

我记得有一次做CTA策略，用线性模型死活找不到有效因子。

换成决策树，发现了一个"非线性阈值"——当波动率在某个区间时，收益模式完全不一样。线性模型根本抓不住这个。

from sklearn.tree import DecisionTreeRegressor

# 控制树深度，防止过拟合
tree = DecisionTreeRegressor(
    max_depth=4,        # 深度别太大
    min_samples_leaf=50, # 叶子节点最少50个样本
    random_state=42
)
tree.fit(X, y)

# 特征重要性
importance = tree.feature_importances_
print(f"最重要的因子: {np.argmax(importance)}")

4. 随机森林：稳健的集成方案

随机森林就是"三个臭皮匠，顶个诸葛亮"。

它训练很多棵决策树，每棵树用不同的数据子集和特征子集，最后投票或取平均。

我个人在实盘里用得最多的就是随机森林。为什么？

因为它不容易过拟合，而且对缺失值不敏感。金融数据经常有缺失，随机森林能很好地处理。

from sklearn.ensemble import RandomForestRegressor

rf = RandomForestRegressor(
    n_estimators=200,    # 树的数量
    max_depth=5,         # 每棵树深度
    min_samples_leaf=30,
    max_features='sqrt', # 每棵树只用sqrt(n_features)个特征
    random_state=42
)
rf.fit(X_train, y_train)

# 预测
y_pred = rf.predict(X_test)

# 特征重要性排序
importance_df = pd.DataFrame({
    'feature': feature_names,
    'importance': rf.feature_importances_
}).sort_values('importance', ascending=False)

模型选择速查表

模型	适合场景	优点	缺点
线性回归	收益率预测、对冲比率	可解释性强、速度快	只能捕捉线性关系
逻辑回归	涨跌分类、风控信号	输出概率、可解释	决策边界是线性的
决策树	规则提取、特征筛选	可解释、非线性	容易过拟合
随机森林	稳健预测、选股模型	抗过拟合、处理缺失值	模型较大、解释性弱于单树

最后说一句：别小看这些基础模型。我见过太多人用LSTM跑出来的结果，还不如一个调好参的随机森林。

模型不在多，在于用得对。先把这四个模型吃透，量化交易的路就走稳了一大半。