项目分析说明

1. 模型选择及原因

本项目目标是 预测指定股票在未来 90 天内是否上涨超过 10%，这是一个典型的 金融时间序列二分类问题，数据包含了 日线技术指标 和 季度财务指标，具有以下特点：

• 数据类型多样：包含数值型（日线价格、成交量、财务指标）、类别型（季度 period）、时间序列依赖。
• 非线性关系显著：财务指标与未来收益之间往往存在非线性关系，不能简单用线性回归建模。
• 特征数量较多，且部分特征相关性较强（如多个财务指标之间高度相关）。
• 噪声较大：金融市场数据随机性高，需要模型具备一定鲁棒性。

基于以上考虑，本项目选择 LightGBM 作为核心模型，原因如下：

1. 适合结构化金融数据：LightGBM 是基于梯度提升树（GBDT）的算法，天然适合处理 tabular 数据，在金融预测类问题上表现稳定。
2. 处理非线性与交互关系：树模型能自动建模复杂的非线性关系和高阶交互特征，无需显式构造多项式特征。
3. 训练高效，支持大数据量：相比 XGBoost，LightGBM 在数据量较大时效率更高，支持快速迭代实验。
4. 特征选择与解释性：通过内置的 feature importance (gain/split) 可以直接进行特征选择，并结合 SHAP 分析，解释模型的决策逻辑。
5. 处理缺失值能力强：不需要额外插补，提升了财报数据和日线数据合并后的灵活性。

因此，LightGBM 在本项目中兼顾了 预测性能、训练效率与可解释性，是最合适的建模工具。

---

2. 特征选择方法

为了避免过多无效特征带来的噪声和过拟合，本项目采用了 LightGBM 内置的 Gain 特征重要性 进行特征选择。

• Gain：衡量某个特征在所有分裂点上带来的信息增益，数值越高说明该特征对分类贡献越大。
• 实施流程：
  1. 使用全部特征训练 LightGBM baseline 模型；
  2. 提取各特征的 Gain 值并排序；
  3. 设定阈值（如累计贡献度达到 90% 的前 N 个特征）作为最终保留特征；
  4. 对不同时间区间做交叉验证，筛掉稳定性较差的特征。

这样不仅能减少特征维度，还能保留对模型预测最有价值的核心因子。

---

3. 新特征构造思路

在已有的日线和季度数据基础上，可以通过以下方法 推论并构造更有效的新特征：

（1）基于日线数据的派生特征

• 动量类指标：过去 20 日、60 日、90 日的累计收益率（return_t / return_t-n）。
• 波动率指标：滚动 20 日、60 日收益标准差，作为风险代理。
• 均线偏离度：当前收盘价相对 20/60 日均线的偏离率，衡量超买/超卖程度。
• 成交量特征：成交量/20 日均量，代表资金活跃度。

（2）基于季度财报的派生特征

• 增长率指标：
  • YoY：revenue_t / revenue_(t-4) - 1
  • QoQ：EPS_t / EPS_(t-1) - 1
• 盈利能力指标：gross_margin = gross_profit / revenue
• 财务健康度：debt_to_equity = total_debt / total_equity
• 趋势信号：连续 3 个季度 EPS 增长 → 强趋势特征。

（3）交叉特征（财报 × 市场）

• 估值指标：
  • PE = close / EPS
  • PB = close / book_value
• 因子交叉：
  • 高 ROE + 高动量（质量因子 × 技术因子）
  • 高负债率 + 高波动率（风险叠加因子）

（4）目标时间窗口对齐特征

由于预测目标是 未来 90 天收益是否 ≥10%，因此在特征构造中，可以增加：

• 90 天滚动波动率（未来目标周期一致）
• 过去 90 天最大回撤 / 最大涨幅
• 90 天财务指标累积变化率

---

🎯 总结

• 模型：选择 LightGBM，因为其适合结构化金融数据，能处理非线性、特征交互，并具备较好可解释性。
• 特征选择：利用 LightGBM 的 Gain 排序特征重要性，筛选稳定且贡献大的特征。
• 新特征构造：从日线（动量、波动）、季度财报（YoY、QoQ、盈利能力）、交叉因子（PE、PB、ROE × 技术指标）、目标周期对齐特征（90 天滚动统计）等维度推导出更有效的变量。