树模型与深度学习

默认选择：GBDT

在中低频截面预测（月频/周频选股、信号过滤）中，LightGBM/XGBoost 几乎总是比神经网络更稳、更快、更易调：

金融截面特征是典型的表格数据——树模型对表格数据的归纳偏置（轴平行分裂、对单调变换不敏感）与问题天然匹配；
小样本：金融的有效样本量受标签重叠与自相关限制（见金融交叉验证），深度学习需要的数据量不存在；
对缺失值、异常值、特征尺度不敏感——省掉大量容易引入泄漏的预处理。

深度学习的适用边界

深度学习的优势场景与表格数据相反：

高频序列：tick 级订单簿的时序模式，LSTM/Transformer 有真实优势；
文本与图像：见文本与 NLP；
非线性交互：特征交互复杂且样本充足时。

金融里应用深度学习最常见的失败模式：拿几千个截面样本训深层网络，正则化再强也只是在拟合噪声。

选型与正则化

import lightgbm as lgb
import numpy as np

def fit_meta_label(X_train, y_train, X_val, y_val, seed: int = 42):
    """元标签二分类的最小 GBDT 基线（见 标签：三重障碍法）"""
    model = lgb.LGBMClassifier(
        n_estimators=300, learning_rate=0.05, num_leaves=15,
        max_depth=4, min_child_samples=200,     # 强正则：金融数据的默认
        subsample=0.8, colsample_bytree=0.8,
        random_state=seed,
    )
    model.fit(X_train, y_train, eval_set=[(X_val, y_val)],
              callbacks=[lgb.early_stopping(50, verbose=False)])
    return model

两条选型纪律：

先做 GBDT 基线：任何深度模型必须显著跑赢 GBDT 基线才有存在价值——基线打不过就不上复杂模型；
集成优于单体：集成多个弱模型（不同种子、不同特征子集的 GBDT 平均）比追求单一强模型更稳健，代价小、方差降得多。

量化中的用法

表格截面预测：LightGBM/XGBoost 基线先行，深度模型要证明自己；
GBDT 的正则化默认值：浅树（depth 3–5）、强 min_child_samples、子采样；
集成不同种子与特征子集，而非加深加宽单一模型。

本章要点

表格数据：先做 GBDT 基线，深度模型必须跑赢它
神经网络需要更多样本与更强正则，金融数据通常两者都缺
集成多个弱模型比追求单一强模型更稳健