本系列进度：#01–#46 ✅ #47 ✅（全系列 48 篇收官） 专题阶终章。前面 47 篇把"因子"讲了个体无遗，这一篇用 AI/机器学习把它们自动拧成一个预测分数——并老实告诉你，为什么 AI 量化是最容易翻车的地方。

一、这个方法解决什么投资问题

37 讲过手动 IC 加权合成因子。但当因子有十几个、还互相非线性相关时，人脑调权重就力不从心了。机器学习（ML） 正好干这件事：给它一堆因子特征 + 历史"未来收益"标签，它自动学出"哪些因子重要、怎么组合"。

但 ML 在量化里是把双刃剑：它太擅长在历史数据上"找规律"，而金融市场的历史规律会失效。这一篇讲正确姿势，更讲三道红线。

二、核心思想：把因子当特征，未来收益当标签

ML 量化本质是一个监督学习问题：

• 特征 X：横截面上每只股票的 N 个因子（估值、动量、质量……）
• 标签 y：这些股票 T 日之后的收益
• 模型：学一个 f(X) ≈ y 的映射，预测"哪只未来涨"

预测分数越高，越值得买。关键是只能用 T 及之前的数据做特征、T 之后的收益做标签——这条线模糊就是致命的前视。

三、实操演示（不依赖第三方 ML 库）

合成示意：15 个因子特征，前 5 个含信号；用岭回归（闭式解）拟合，切分训练/测试看过拟合。

import numpy as np
rng = np.random.default_rng(47082026)
N, K = 600, 15
future = rng.normal(0, 1, N)                      # 未来收益标签
X = np.zeros((N, K))
for k in range(K):
    sig = future if k < 5 else np.zeros(N)         # 前5个因子有信号
    X[:, k] = sig*max(0.0,0.4-k*0.06) + rng.normal(0,1,N)
Xz = (X - X.mean(0)) / (X.std(0) + 1e-9)          # 标准化
y = future
cut = int(N*0.7); Xtr, Xte = Xz[:cut], Xz[cut:]; ytr, yte = y[:cut], y[cut:]

def ridge(Xm, yv, lam=0.1):                        # 岭回归闭式解
    A = Xm.T @ Xm + lam*np.eye(Xm.shape[1])
    return np.linalg.solve(A, Xm.T @ yv)
w = ridge(Xtr, ytr)
r2 = lambda p,t: 1 - ((t-p)**2).sum()/((t-t.mean())**2).sum()
print("样本内 R²", round(r2(Xtr@w, ytr),3), "样本外 R²", round(r2(Xte@w, yte),3))

运行结果（合成示意，N=600，K=15）：

因子重要性（|系数|）：f1 +0.393 / f2 +0.251 / f3 +0.210 / f4 +0.153 居前，正是那 5 个有信号的因子——模型确实"学到了"真正有用的特征。

数据需求标注：分钟级反转、全市场因子横截面等特征工程属需求 R4，行情服务补全后即可用真实特征替换 synthetic 段。生产可用 scikit-learn 的 RandomForest/GradientBoosting 或 LightGBM 做非线性，本 demo 用最小闭式模型演示原理。

四、结果解读

模型在样本内 R² 0.348、样本外掉到 0.266——样本外低于样本内，就是过拟合的红旗。真实场景里，如果特征多、噪声大、不加正则，这个缺口会大得多（#28 讲的参数优化过拟合在此升级为"模型过拟合"）。

好消息是：重要性排序把有信号的 f1–f4 排到最前，说明ML 确实比人更擅长从一堆因子里挑出真正有用的——前提是数据干净、验证严谨。

五、三道红线（AI 量化的生死线）

1. 未来函数（最致命）：标签或特征里混入了 T 之后的信息（如用"已发生"的财报当 T 时刻特征）。一旦漏，回测美如画、实盘亏成狗。
2. 过拟合：模型记住了噪声而非规律。必须用样本外/滚动窗口/walk-forward（#27）验证，样本外崩了就该扔。
3. 不可解释：黑箱模型给个分数，你不知道它押注了什么——一旦某因子突然反转（#38 因子失效），你毫无防线。务必保留"因子重要性"监控，模型偏航能早发现。

六、小结 + 全系列收官

AI 量化 = 把因子当特征、未来收益当标签，让 ML 自动学组合权重；红利是"自动挑因子"，风险是"未来函数 + 过拟合 + 不可解释"三道红线。守住它们，ML 才是放大器，不是炸药。

全系列收官：从 #01 的"把感觉写成规则"，到 #47 的"让 AI 给因子打分"，48 篇走完了认知→工具→信号→策略→评价→因子→组合→专题的完整量化链。下一篇 #48 给你一份「从今天起怎么动手」的 30/60/90 天路线图。

七、合规收尾

本文为量化方法教学，代码示例使用合成示意数据，不构成投资建议，不承诺收益。投资有风险，入市需谨慎。

想把 ML 因子接上真实行情？麦蕊智数的实时快照与历史 K 线是因子特征工程的稳定底座（分钟级/横截面特征补全后即 R4 就绪），免费版即可起步、证书即取即用；模型生产化建议用 scikit-learn / LightGBM，同一套"特征→标签→滚动验证"框架即可落地。配套 Demo（含 main.py + RUN.md）见 麦蕊智数 www.mairuiapi.com 站内「API 文档」与「证书获取」（免费版 500 次/日，邮箱验证即领）。