Base Model文化：先打赢"笨基线"再谈深度学习
我的掌握程度：
先掌握这个答案
三基线：①等权合成：所有因子rank后平均——零参数、稳健、常惊人地强（1/N魔性，q-063）；②IC加权：按滚动IC给因子权重——第一个「用数据的简单模型」；③线性回归（带正则）：因子→收益的Ridge——线性世界的上限。打败标准：净口径（扣成本换手）下，ML模型拼接样本外IC比最好基线高≥20%（相对），且分层单调性/多空回撤不劣化——两条件同时满足。基线的第二角色：调试参照系——模型分数异常时先看基线（基线也崩=数据问题；基线稳模型崩=模型问题）；归因基准——「ML的增量」=模型-基线的差，这个差才是ML的功劳。
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
新手项目的常见叙事：直接上LightGBM/深度网络，验证分数不错，收工。老手的第一个动作：建三个「笨基线」——等权因子、IC加权、线性回归——你的复杂模型必须显著打败它们才配存在。多数「ML提升」死在这一关。
由此产生的问题
三个标准基线怎么建？「显著打败」的标准（幅度与统计）？基线还扮演什么角色（归因与调试的参照系）？
核心概念
三基线：①等权合成：所有因子rank后平均——零参数、稳健、常惊人地强（1/N魔性，q-063）；②IC加权：按滚动IC给因子权重——第一个「用数据的简单模型」；③线性回归（带正则）：因子→收益的Ridge——线性世界的上限。打败标准：净口径（扣成本换手）下，ML模型拼接样本外IC比最好基线高≥20%（相对），且分层单调性/多空回撤不劣化——两条件同时满足。基线的第二角色：调试参照系——模型分数异常时先看基线（基线也崩=数据问题；基线稳模型崩=模型问题）；归因基准——「ML的增量」=模型-基线的差，这个差才是ML的功劳。
为什么需要它
①复杂度的成本核算：ML的代价（维护/过拟合风险/解释难）必须由增量收益支付——基线是账本；②防止「炫技税」：行业里大量ML项目实际上没打赢等权合成（增量≈0）——基线文化是诚实的制度化；③面试金句素材：「你的模型比等权基线好多少」是被问概率最高的问题之一——没有基线的项目一问就倒。
实际应用场景
项目模板：report.md必含「基线对照表」——等权/IC加权/Ridge/LightGBM四行的净IC、换手、回撤；ML行只有显著胜出才保留。
与之前知识的联系
q-477（等权合成的常胜，阶段5）的ML版宣言；q-713（体检）的第六信号（打不过基线=过度建模）；q-771（拼接验证）是所有行的统一考场。
⚠ 常见误解
- 基线太简单没必要建：等权基线在低信噪比数据上的顽强是实证规律——跳过它=直接假设「复杂有用」
- 毛IC上赢了就行：ML的高换手常吃掉IC优势——必须净口径对照
- 基线只用一次：它是常设参照系——每次改特征/标签都重跑基线（基线崩了先修数据）
🛠 本题实践任务
为你的ML项目补建三基线对照表（净口径）。你的模型达到入场券标准了吗？若没有：尝试「ML作单因子混入等权」的混合方案并重测。
💡 提示（先自己想5分钟再看）
混合系数扫0.2/0.4/0.6三档即可——混合比也是要记账的N。
✅ 验收标准
一张四行对照表（含混合行）。从今天起你的每个模型都有「陪练」——这是研究诚实的度量衡。
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（正则化、因子合成），再用案例、公式和代码帮助理解。此功能需要先启用服务。