第18章机器学习在基差预测中的应用

第十八章：机器学习在基差预测中的应用

说实话，基差交易做到一定程度，你会发现传统统计方法有点不够用了。为什么？因为基差的波动背后，藏着太多非线性关系。比如库存数据对基差的影响，在牛熊市里完全不一样。这时候，机器学习就该上场了。

我个人习惯把机器学习在基差预测里的应用分成三类：特征工程、时间序列预测、分类模型。今天咱们一个一个聊。

18.1 特征工程：技术指标与宏观因子

做机器学习，最怕的就是「垃圾进，垃圾出」。特征工程做不好，再牛的模型也白搭。

技术指标类特征，我一般会构建这么几类：

动量类：过去N日的基差变化率、RSI、MACD
波动率类：基差的滚动标准差、ATR（平均真实波幅）
价差结构：近月与远月合约的价差斜率、期限结构曲率
成交量与持仓量：基差变化时的成交量配合情况

宏观因子类特征，这个我踩过不少坑。一开始我把所有能想到的宏观数据都往里塞，结果模型过拟合得一塌糊涂。后来我总结出几个真正有用的：

宏观因子	具体指标	我常用的窗口期
利率环境	SHIBOR、国债收益率曲线斜率	1周、1月
库存周期	显性库存变化率、仓单注销比例	2周、1季
汇率波动	人民币汇率指数、实际有效汇率	1月
市场情绪	VIX指数、商品波动率指数	1日、1周

我的小技巧： 宏观因子一定要做滞后处理。比如今天的库存数据，对基差的影响可能要到3-5天后才体现出来。我一般会尝试1-10天的滞后窗口，用相关性分析筛选。

18.2 LSTM时间序列预测

基差预测本质上是个时间序列问题。传统的ARIMA模型假设线性关系，但基差这东西，你想想看，它受情绪、资金、政策多重影响，哪能是线性的？

LSTM（长短期记忆网络）的优势在于，它能记住长期依赖关系。比如去年同期的季节性规律，或者某个政策出台后的市场反应模式。

下面是我在实际项目中用过的LSTM基差预测框架：

import numpy as np
import pandas as pd
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import LSTM, Dense, Dropout
from sklearn.preprocessing import MinMaxScaler

# 数据准备
def prepare_lstm_data(df, lookback=60):
    """
    df: 包含基差和特征的数据框
    lookback: 用过去多少天预测未来
    """
    scaler = MinMaxScaler()
    scaled_data = scaler.fit_transform(df)
    
    X, y = [], []
    for i in range(lookback, len(scaled_data)):
        X.append(scaled_data[i-lookback:i])
        y.append(scaled_data[i, 0])  # 假设基差在第0列
    
    return np.array(X), np.array(y), scaler

# 构建LSTM模型
def build_lstm_model(input_shape):
    model = Sequential([
        LSTM(64, return_sequences=True, input_shape=input_shape),
        Dropout(0.2),
        LSTM(32, return_sequences=False),
        Dropout(0.2),
        Dense(16, activation='relu'),
        Dense(1)
    ])
    
    model.compile(optimizer='adam', loss='mse', metrics=['mae'])
    return model

# 训练
X_train, y_train, scaler = prepare_lstm_data(data)
model = build_lstm_model((X_train.shape[1], X_train.shape[2]))
history = model.fit(X_train, y_train, epochs=50, batch_size=32, validation_split=0.2)

我曾经踩过的坑： LSTM对数据尺度非常敏感。有一次我忘了做归一化，结果模型训练了3个小时，loss死活不降。后来发现是基差数值范围在-500到+500之间，而持仓量是几万级别，模型直接懵了。所以，一定要做归一化。

LSTM预测出来的结果，我一般不会直接用来交易。我会把它作为一个「基准预测」，然后结合其他信号做综合判断。为什么？因为LSTM在极端行情下容易失效——比如2020年3月的原油暴跌，模型完全没预料到。

18.3 XGBoost分类模型

有时候我们不需要精确预测基差是多少，只需要知道「基差会不会扩大」或者「套利机会是否出现」。这时候，分类模型比回归模型更实用。

XGBoost是我在分类任务中的首选。原因有三：

处理缺失值能力强——宏观数据经常有缺失，XGBoost自带处理机制
特征重要性可解释——能告诉你哪个因子最影响基差方向
训练速度快——相比深度学习，XGBoost在中等规模数据上效率高得多

我通常把问题定义为三分类：

类别0：基差收窄（套利空间缩小）
类别1：基差维持（无明确机会）
类别2：基差扩大（套利机会出现）

import xgboost as xgb
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report

# 构建标签：未来5日基差变化方向
def create_labels(df, horizon=5):
    df['future_basis'] = df['basis'].shift(-horizon)
    df['label'] = 1  # 默认维持
    df.loc[df['future_basis'] - df['basis'] > threshold, 'label'] = 2  # 扩大
    df.loc[df['future_basis'] - df['basis'] < -threshold, 'label'] = 0  # 收窄
    return df.dropna()

# 特征选择
features = ['basis_momentum_5d', 'basis_vol_10d', 'inventory_change',
            'term_structure_slope', 'shibor_1w', 'vix_index']
X = data[features]
y = data['label']

# 训练XGBoost
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, shuffle=False)

model = xgb.XGBClassifier(
    n_estimators=200,
    max_depth=5,
    learning_rate=0.05,
    subsample=0.8,
    colsample_bytree=0.7,
    random_state=42
)

model.fit(X_train, y_train, 
          eval_set=[(X_test, y_test)],
          early_stopping_rounds=20,
          verbose=False)

# 特征重要性
importance = pd.DataFrame({
    'feature': features,
    'importance': model.feature_importances_
}).sort_values('importance', ascending=False)

print(importance)

  关键点： XGBoost的类别不平衡问题要特别注意。基差「维持」的样本通常占70%以上，「扩大」和「收窄」各占15%左右。我一般会用scale_pos_weight参数或者SMOTE过采样来处理。

嗯，这里还要提一句。XGBoost虽然好用，但它对时序数据的处理有个天然缺陷——它假设样本独立。但基差数据是高度自相关的。所以我建议：

训练集和测试集一定要按时间分割，不能随机打乱
可以加入滞后特征（比如过去3天的基差变化）来引入时序信息
用rolling window的方式做回测，模拟真实交易场景

下面这张图是我自己总结的机器学习基差预测流程，你可以参考：

最后说一句，机器学习不是银弹。我见过太多人把LSTM和XGBoost当黑盒子用，结果亏得底朝天。记住：模型只是工具，你对市场的理解才是核心。特征工程做扎实了，哪怕用简单的逻辑回归，效果也可能比花里胡哨的深度学习好。

实战建议： 刚开始做机器学习基差预测时，先别追求复杂模型。用XGBoost跑通全流程，理解特征重要性，再逐步引入LSTM。这样出了问题也好排查。

公众号:蓝海数据掘金营，微信deep3321

📚 课程目录

第十八章：机器学习在基差预测中的应用

18.1 特征工程：技术指标与宏观因子

18.2 LSTM时间序列预测

18.3 XGBoost分类模型