天驭学院 · 教学材料 · 机器学习交易入门
课程讲义
标签可用未来信息定义结果，但样本划分必须考虑标签终点。未来5步收益标签会跨时间边界，按特征行简单切分仍可能泄漏。
明确预测起点t与终点t+5→只让训练标签终点早于测试起点→冻结阈值→记录末训练和首测试时点。
测试特征从168开始，标签跨度5，训练标签终点必须<168。训练特征最晚可为多少？
t+5<168，所以t≤162；若t163则标签终点168已重叠。配套脚本记录最后训练标签终点167、首测试168，按实际被保留样本核对。
标签定义close[t+5]/close[t]−1>0。训练结束100、测试从101起，则t=96…100的标签触及测试期，应移除。最后5行没有完整标签，不可用比较NaN后得到False的方式将其当负类。
时间相邻样本强相关，随机拆分会高估独立性；不能仅加一个shift就宣称所有泄漏已消除。
先按README安装本实验的明确依赖。若依赖或平台不可用，应标记未运行，不以源码下载代替运行证据。
python ml_lab.py课程数值、价格、账户和案例均为教学假设；固定材料可离线复现。完成标记仅记录学习，不是能力认证、服务批准或收益保证。
本节要点
完成标记仅记录个人学习，不代表能力认证。练习使用教学假设或合成数据，不要求真实开户、入金或交易。