三大学习范式：监督、无监督与强化在量化的分工
我的掌握程度：
先掌握这个答案
三范式：①监督学习：有标签学映射（因子→未来收益）——量化绝对主力：选股、波动率预测、违约预测全是它；②无监督学习：无标签找结构——聚类（股票分组替代行业分类）、异常检测（数据质检、操纵行为识别）、降维（PCA风险模型，q-297）；③强化学习：学动作序列 maximizing 延迟奖励——理论适配交易（何时买/卖/持有），实践难点：奖励极噪声（单次盈亏≠决策好坏）、市场非平稳（对手在学习）、样本效率低——落地集中在执行优化（拆单）而非选股。
先读结论，再核对下方使用边界；数字例题为教学情景，涉及实际行情与规则时请核对原始来源。
从理解到使用
本阶段实战方法 · 把验证流程当作模型的一部分
训练选股模型或使用另类数据时，先保证训练过程没有接触预测时不可得的信息。
- 定义每个样本的特征可得时间和标签覆盖区间，再按预测场景设计时间切分。
- 归一化、缺失填充、特征选择和调参只在训练集拟合；重叠标签要按实际区间purge。
- 用朴素基线和多段滚动样本外比较，报告成本、稳定性、漂移与全部实验次数。
使用边界
- 排行榜或验证集反复用于挑模型后也会过拟合；留一份最终测试集。
- 随机切分不是所有问题都禁止，但金融未来预测必须尊重时点和标签重叠，说明验证目标。
背景 · 从一个困惑说起
「机器学习」是个大家族：教看图的、教找规律的、教下棋的——方法不同、在量化里的岗位也完全不同。选错范式的项目从第一天就在错误的赛道上。
由此产生的问题
监督/无监督/强化学习的定义与量化分工？为什么选股几乎全是监督学习？强化学习的落地难点在哪？
核心概念
三范式：①监督学习：有标签学映射（因子→未来收益）——量化绝对主力：选股、波动率预测、违约预测全是它；②无监督学习：无标签找结构——聚类（股票分组替代行业分类）、异常检测（数据质检、操纵行为识别）、降维（PCA风险模型，q-297）；③强化学习：学动作序列 maximizing 延迟奖励——理论适配交易（何时买/卖/持有），实践难点：奖励极噪声（单次盈亏≠决策好坏）、市场非平稳（对手在学习）、样本效率低——落地集中在执行优化（拆单）而非选股。
为什么需要它
①问题翻译是第一能力：把「我想让模型帮我选股」翻译成「监督回归/分类问题+标签设计」——q-702的入口；②无监督的隐形价值：数据清洗（异常检测）与特征工程（聚类特征）是无监督在量化里最实在的岗位——不是配角而是基础设施；③对RL的清醒：DeepMind的下棋/游戏有明确规则与模拟器，市场没有——「环境可模拟性」是RL落地的前置条件，执行问题（模拟相对可靠）因此先落地。
实际应用场景
范式速配表：预测收益/方向→监督；给股票分组/找异常→无监督；优化执行/仓位路径→RL（带模拟器）；组合权重→优化器（凸优化，不属ML但常被混进来）。
与之前知识的联系
q-701（金融ML定位）的方法论地图；q-705（标签）与q-726+（树模型）都在监督范式内；q-747（聚类）是无监督专章。
⚠ 常见误解
- 强化学习最适合交易所以先学RL：选股问题的ML价值90%在监督范式——先监督后其他是效率最高的路线
- 无监督=没用的：它管着数据质量（异常检测）与结构发现（聚类）——研究的地基工程
- 选股必须深度学习：表格数据的监督问题里树模型长期占优——范式选择≠模型越深越好
🛠 本题实践任务
把你的ML立项书（q-701的作业）标注范式；再挑两个想法分别尝试另外两种范式的表述，比较哪种的问题定义最清晰。
💡 提示（先自己想5分钟再看）
最清晰的定义通常是监督版——特征矩阵+标签向量+评价指标，三样齐了就能开工。
✅ 验收标准
三范式对照的立项书修订版。问题翻译能力是ML研究的第一生产力。
在你的浏览器内运行。首次需联网下载 Python；支持标准库和 Pyodide 提供的 NumPy、pandas 等包。行情抓取、系统文件访问和部分第三方库请在本地环境运行。输出自检仅比对结果关键词，不代替逻辑审查。
Python · 独立工作线程 · 执行限时10秒
🤖 AI导师
导师会先检查你的前置知识（金融ML特殊性），再用案例、公式和代码帮助理解。此功能需要先启用服务。