天驭学院 · 教学材料 · 机器学习交易入门
课程讲义
金融ML在分布变化、少样本、成本与标签噪声下面临困难。预测方向对不代表交易划算，幅度、费用和频率都影响净结果。
把分类输出与执行规则分离→列成本与周转→检查概率校准→设置失效监控→明确未做的市场验证。
预测正确一次赚1，错误一次亏3，胜率70%，不计费期望多少？为何高准确率也可能无效？
0.7×1−0.3×3=−0.2。幅度不对称使高胜率仍负期望，加入成本更差；分类报告不能替代交易收益评估。
假设输入32个样本、每个20步、每步3特征，形状(32,20,3)；隐藏维8、单向单层输出(32,20,8)，取最后时刻得到(32,8)，分类头输出32个logit。标签不能取窗口内最后已知方向冒充未来。
不能把合成序列的拟合效果当价格预测能力；严禁用最终测试结果选择网络大小。
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 lstm_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。