LSTM预测套利时机：从原理到实战的完整指南

1. 从一个量化场景说起：套利时机为什么难把握

做量化交易的同学，或者对金融时序建模感兴趣的开发者，应该都遇到过这样一个问题：套利策略的逻辑本身并不复杂，无非是“价差偏离均值时进场，价差回归时出场”。但真正难的不是策略逻辑，而是“什么时候进场”这件事。市场情绪、流动性变化、突发事件都会让价差在偏离后继续扩大，如果你按照固定阈值开仓，经常会在价差最大时被套住，然后在回归前被迫止损。

传统的套利时机判断，多数依赖统计模型，比如均值回归、协整检验、布林带阈值。这些方法在稳定市场里效果尚可，但一旦市场结构发生变化，或者数据带有明显的非线性特征，固定阈值的表现就会显著退化。原因也简单：价差的均值本身不是常数，方差也会随时间变化，用一个固定窗口统计出来的“偏离程度”，很难描述真实的交易机会。

LSTM（Long Short-Term Memory，长短期记忆网络）正好适合这类问题。它是循环神经网络（RNN）的一种改进结构，能够学习长时间序列中的依赖关系，并且在处理金融数据这种带有时间顺序、非线性和噪声干扰的数据上，有天然优势。论文里往往会把它用于价格预测，但更务实的用法，其实是把它用于“预测套利时机”——也就是判断当前时点是否值得开仓，而不是预测一个精确的未来价格。

本文围绕“LSTM 预测套利时机”这条主线展开，适合三类读者：

• 对 LSTM 时序建模有基础，但想了解如何应用到量化选时场景的开发者；
• 想复现论文思路，但卡在数据构造、标签设计、模型评估等环节的同学；
• 已经在做套利策略，想尝试用深度学习方法替代传统阈值判断的量化爱好者。

读完本文，你会掌握：LSTM 预测套利时机的整体建模流程、输入特征与标签的构造方法、Python 完整实现、常见坑点以及工程落地建议。

2. LSTM 模型核心概念回顾

2.1 从 RNN 到 LSTM：为什么需要长短期记忆

在进入套利时机预测之前，先快速回顾 LSTM 的基本原理。传统 RNN 的核心思路是：每个时间步的隐藏状态不仅由当前输入决定，还由上一个时间步的隐藏状态决定。这使 RNN 可以处理序列数据，但有一个明显的缺陷——当序列很长时，梯度消失或梯度爆炸很常见，模型很难学到距离当前位置较远的依赖关系。

LSTM 在 RNN 的基础上引入了一个“记忆单元”（cell state），并通过三个门控机制控制信息的保留与遗忘：

• 遗忘门：决定上一时刻的长期状态有多少信息需要丢弃；
• 输入门：决定当前时刻的新信息有多少写入长期状态；
• 输出门：决定当前时刻的输出应该从长期状态中读取多少信息。

用公式表达就是：

f_t = sigmoid(W_f * [h_{t-1}, x_t] + b_f) i_t = sigmoid(W_i * [h_{t-1}, x_t] + b_i) o_t = sigmoid(W_o * [h_{t-1}, x_t] + b_o) c_t = f_t * c_{t-1} + i_t * tanh(W_c * [h_{t-1}, x_t] + b_c) h_t = o_t * tanh(c_t)

其中，h_t是当前时间步的隐藏状态，c_t是记忆单元状态。这种结构让 LSTM 可以在几十甚至几百个时间步内保留有效信息，这也是它适合金融时间序列建模的重要原因——套利机会的出现往往不是孤立的，它可能和过去一段时间内的波动特征、趋势状态都有关系。

2.2 LSTM 处理金融时序数据的三个关键特性

LSTM 之所以被频繁用于金融时序建模，有三个特性很关键。

第一，非线性拟合能力。金融数据中，价差与未来收益之间很少是线性关系。传统的线性回归、ARIMA 模型很难捕捉这种非线性模式，而 LSTM 通过多层非线性变换，可以从历史窗口中提取更抽象的特征。

第二，对长序列依赖的建模能力。套利价差是否回归，往往取决于过去几十根K线（甚至更多）的波动结构，而不是只看最近两三根。LSTM 的门控机制让模型能在较长的窗口上保持记忆，这对策略时机的判断是有实际意义的。

第三，端到端的训练方式。我们可以直接把原始特征序列输入模型，输出就是开仓/不开仓的概率或回归值，不需要手工设计复杂的规则。虽然特征工程仍然重要，但相比传统阈值方法，LSTM 在一定程度上减少了人工规则的依赖。

2.3 LSTM 与传统套利信号方法的区别

传统套利信号判断，最常用的是 z-score 方法。假设价差序列为spread，计算它的滚动均值和滚动标准差，然后构造 z-score：

z = (spread - rolling_mean) / rolling_std

当 z 大于某个阈值（比如 2）时，认为价差被高估，做空价差；当 z 小于 -2 时，认为价差被低估，做多价差。

这种方法逻辑简洁、可解释性强，但缺点也很明显：

• 滚动窗口长度不好选，短了容易受噪声影响，长了反应滞后；
• 均值和标准差随时间变化，固定阈值无法自适应；
• 没有利用价差本身的形态特征，比如波动趋势、波动聚集性、成交量变化等。

LSTM 方法的优势在于，它可以把多个特征一起输入，让模型自己学习“什么形态下适合开仓”。从论文实验的角度来看，LSTM 通常会输出一个信号概率，再结合阈值或规则进行交易决策。

3. LSTM 预测套利时机的论文思路拆解

3.1 问题建模：分类还是回归

在论文实现中，“预测套利时机”一般有两种建模方式。

一种是分类任务：把当前时点标记为“可以开仓”或“不可以开仓”，标签根据未来一段时间的收益表现来构造。模型输出的是开仓概率，最终根据概率阈值生成信号。

另一种是回归任务：直接预测未来一段时间价差的走势，或者预测价差回归到均值所需的幅度。模型输出的是一个实数值，再根据输出值构造交易信号。

两种方式各有优劣。分类任务更贴近交易决策，但标签构造过程中会引入主观设计（比如“未来N根K线内收益超过阈值则标记为1”）；回归任务更贴近原始数据，但如何把预测值转换为开仓信号，仍然需要额外设计。

从多数论文的实际做法来看，分类建模更常见，因为交易信号本身是一个离散决策，而且分类阈值可以进一步调优。

3.2 输入特征的数据结构

LSTM 的输入要求是三维张量，形状为：

(batch_size, time_steps, input_dim)

其中：

• batch_size：一次性输入模型的样本数量，训练时通常取 32、64、128；
• time_steps：每个样本包含的历史时间步数，也就是用过去多少根K线/多长窗口来做预测；
• input_dim：每个时间步的特征数量。

举个例子。假设我们用过去 60 根 5 分钟 K 线来预测当前时点是否适合开仓，每根 K 线有 5 个特征（如价差、成交量、波动率、z-score、动量），那么一个样本的形状就是：

(60, 5)

在批量训练时，假设 batch_size 为 64，则输入形状为：

(64, 60, 5)

这里特别要注意：LSTM 的输入不是(samples, features)，而是(samples, time_steps, features)。很多初学者第一次写代码时，容易把输入形状搞错，导致维度报错。

3.3 标签构造：如何定义一次“好”的套利时机

这是整个建模过程中最需要谨慎的一步。标签直接决定了模型学习的目标，如果标签定义不合理，模型学到的“规律”也就没有实际交易价值。

一种常用的标签构造方法是“未来收益阈值法”。

假设当前时刻为t，我们看未来n根 K 线的收益情况。如果未来收益超过一定阈值，就把标签设为 1（表示值得开仓），否则设为 0。

def create_label(spread, lookahead=10, threshold=0.01): labels = [] for i in range(len(spread) - lookahead): future_return = (spread[i + lookahead] - spread[i]) / spread[i] labels.append(1 if future_return > threshold else 0) # 末尾不足 lookahead 的部分直接补 0 或丢弃 labels.extend([0] * lookahead) return np.array(labels)

另一种方法是“布林带突破法”。当价差突破上轨时，认为未来大概率会回归，标签设为 1；突破下轨时，认为未来大概率会反弹，标签也可以设为 1（但方向相反）。

还有一种更严谨的思路，是把“收益”和“风险”同时考虑进来。比如要求未来收益不仅高于阈值，而且最大回撤不超过某个比例。这样得到的标签更接近真实交易中的“好机会”，但样本量会减少，模型训练难度也会增加。

标签构造没有绝对正确的方案，关键是根据你的策略逻辑、数据频率和风险偏好来设计，并且对不同的标签方案做对比实验。

3.4 模型结构与训练流程

论文中常用的 LSTM 分类模型结构并不复杂，一般包括：

1. 输入层：三维张量(time_steps, input_dim)；
2. 一个或两个 LSTM 层：常用units为 32~128，return_sequences根据层数设置；
3. Dropout 层：随机丢弃部分神经元，防止过拟合；
4. 全连接层：将 LSTM 输出映射到更低维度的特征空间；
5. 输出层：使用sigmoid激活函数输出概率。

训练流程一般如下：

原始数据 → 特征工程 → 构造时间窗口样本 → 划分训练集/验证集/测试集 → 标准化 → 训练 LSTM 模型 → 评价模型 → 生成交易信号 → 回测

这里要特别强调数据划分的问题。金融时序数据不能像普通分类任务那样随机打乱后划分，因为时间顺序本身就包含重要信息。如果随机划分，会造成严重的数据泄露，模型在测试集上的表现会虚高。正确的做法是按时间顺序划分，例如前 70% 的数据作为训练集，中间 15% 作为验证集，最后 15% 作为测试集。

4. 环境准备与数据集说明

4.1 运行环境

本文示例以常见环境为例，重点演示代码思路。你在实际运行时，需要根据自己机器的情况调整版本。

建议环境如下：

操作系统：Windows 10 / macOS / Ubuntu 均可 Python 版本：3.8 或以上 深度学习框架：TensorFlow 2.x 或 PyTorch

本文使用 TensorFlow/Keras 来搭建 LSTM，因为它对初学者更友好，代码量也更少。

4.2 依赖库安装

需要安装以下 Python 库：

pip install numpy pandas matplotlib scikit-learn tensorflow

如果你使用的是 TensorFlow 2.x，Keras 已经集成在 TensorFlow 中，不需要单独安装。

4.3 数据说明

由于金融数据获取渠道多样，本文不依赖具体数据接口，而是生成一份模拟的价差序列数据来演示完整流程。这个模拟数据包含明显的均值回归特征，适合验证套利时机预测的可行性。你后续可以替换为自己的真实价差数据。

模拟数据生成代码如下：

import numpy as np import pandas as pd import matplotlib.pyplot as plt np.random.seed(42) # 生成一个均值回归的价差序列 n = 3000 spread = [0] for i in range(1, n): # 价差偏离均值时，下一期有向均值回归的趋势 noise = np.random.normal(0, 1) pull = -0.05 * spread[-1] # 均值回归力度 spread.append(spread[-1] + pull + noise) df = pd.DataFrame({'spread': spread}) df['spread'].plot(figsize=(12, 4)) plt.title("Simulated Mean-Reverting Spread") plt.show()

这段代码模拟了价差围绕 0 附近波动的过程，并且带有均值回归特性。有了这个数据，我们就可以开始特征工程和建模了。

5. 完整实战：用 LSTM 预测套利时机

5.1 特征工程

在输入 LSTM 之前，我们需要构造一些基础特征。这里选择几个常见的、与套利时机相关的特征：

• 价差本身（spread）
• 价差的滚动均值（rolling mean）
• 价差的滚动标准差（rolling std）
• z-score（衡量当前价差偏离均值的程度）
• 动量化指标（如过去 k 根 K 线的收益差）

def create_features(df, window=20): df_feat = df.copy() df_feat['spread'] = df['spread'] df_feat['roll_mean'] = df['spread'].rolling(window).mean() df_feat['roll_std'] = df['spread'].rolling(window).std() df_feat['zscore'] = (df['spread'] - df_feat['roll_mean']) / df_feat['roll_std'] df_feat['momentum'] = df['spread'].diff(5) # 过去 5 期变化 return df_feat df_feat = create_features(df) # 去掉开头因为滚动窗口导致的 NaN df_feat = df_feat.dropna().reset_index(drop=True) print(df_feat.head())

特征构造完成后，我们需要把标签也生成好。这里采用一个简化的标签定义：如果未来 10 期价差收益率大于 0，则标记为 1，否则为 0。

lookahead = 10 df_feat['label'] = 0 for i in range(len(df_feat) - lookahead): future_return = df_feat['spread'].iloc[i + lookahead] - df_feat['spread'].iloc[i] df_feat.loc[i, 'label'] = 1 if future_return > 0 else 0

注意：实际项目中，标签的设计要更精细，这里只是演示流程。

5.2 构造时间窗口样本

LSTM 需要以时间窗口为单位组织样本。我们定义函数create_sequences，将特征和标签转换为三维张量：

def create_sequences(data, labels, time_steps=30): X, y = [], [] for i in range(len(data) - time_steps): X.append(data[i:i + time_steps]) y.append(labels[i + time_steps]) return np.array(X), np.array(y) feature_cols = ['spread', 'roll_mean', 'roll_std', 'zscore', 'momentum'] data = df_feat[feature_cols].values labels = df_feat['label'].values time_steps = 30 X, y = create_sequences(data, labels, time_steps) print(f"X shape: {X.shape}") # (样本数, 30, 5) print(f"y shape: {y.shape}")

5.3 数据划分与标准化

按时间顺序划分数据，避免数据泄露：

# 按时间顺序划分 split1 = int(len(X) * 0.7) split2 = int(len(X) * 0.85) X_train, X_val, X_test = X[:split1], X[split1:split2], X[split2:] y_train, y_val, y_test = y[:split1], y[split1:split2], y[split2:] # 标准化：使用训练集统计量 from sklearn.preprocessing import StandardScaler scaler = StandardScaler() # 注意 reshape 后再标准化，然后再还原为三维 n_samples, n_steps, n_features = X_train.shape X_train_reshaped = X_train.reshape(-1, n_features) X_val_reshaped = X_val.reshape(-1, n_features) X_test_reshaped = X_test.reshape(-1, n_features) scaler.fit(X_train_reshaped) X_train_scaled = scaler.transform(X_train_reshaped).reshape(n_samples, n_steps, n_features) X_val_scaled = scaler.transform(X_val_reshaped).reshape(X_val.shape[0], n_steps, n_features) X_test_scaled = scaler.transform(X_test_reshaped).reshape(X_test.shape[0], n_steps, n_features)

标准化这一步很重要。LSTM 使用梯度下降训练，如果不同特征的取值范围差异过大，会导致模型收敛慢，甚至不收敛。标准化时只使用训练集的统计量，不能把验证集和测试集的数据混入，否则会造成信息泄漏。

5.4 构建 LSTM 模型

使用 Keras 构建模型：

from tensorflow.keras.models import Sequential from tensorflow.keras.layers import LSTM, Dense, Dropout model = Sequential() model.add(LSTM(units=64, return_sequences=True, input_shape=(time_steps, n_features))) model.add(Dropout(0.2)) model.add(LSTM(units=32, return_sequences=False)) model.add(Dropout(0.2)) model.add(Dense(units=16, activation='relu')) model.add(Dense(units=1, activation='sigmoid')) model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy']) model.summary()

这里使用了两层 LSTM。第一层设置了return_sequences=True，表示每个时间步都输出隐藏状态，这样第二层 LSTM 可以继续处理完整的时间步序列；第二层设置return_sequences=False，只输出最后一个时间步的隐藏状态，然后通过全连接层映射到最终输出。

5.5 训练模型

训练时使用验证集监控过拟合情况：

history = model.fit( X_train_scaled, y_train, validation_data=(X_val_scaled, y_val), epochs=20, batch_size=64, verbose=1 )

训练过程中可以观察训练集和验证集损失的变化。如果训练损失持续下降但验证损失上升，说明模型过拟合，可以增加 Dropout 比例、减少模型层数或增加数据量。

5.6 模型评估

训练完成后，在测试集上评估模型：

from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score y_pred_prob = model.predict(X_test_scaled) y_pred = (y_pred_prob > 0.5).astype(int) print(f"Accuracy: {accuracy_score(y_test, y_pred):.4f}") print(f"Precision: {precision_score(y_test, y_pred):.4f}") print(f"Recall: {recall_score(y_test, y_pred):.4f}") print(f"F1 Score: {f1_score(y_test, y_pred):.4f}")

不要只关注准确率。在套利场景中，正样本（值得开仓）和负样本（不值得开仓）的比例往往不平衡，准确率高可能只是因为模型学到了“大多数情况下不开仓”。更值得关注的是精确率和召回率，特别是当你用预测概率来筛选交易信号时，精确率决定了信号的质量，召回率决定了信号的覆盖度。

5.7 模拟信号回测

最后一步，把预测结果转化为交易信号的收益曲线，简单验证策略有效性：

# 假设按预测概率大于 0.5 开仓，开仓后持有 lookahead 期 signal = (y_pred_prob.flatten() > 0.5).astype(int) # 价差收益近似等于价差变化 spread_test = df_feat['spread'].values[-(len(y_test)):] strategy_returns = signal[:-lookahead] * np.sign(np.diff(spread_test, prepend=0)[:len(signal)-lookahead]) cumulative_returns = np.cumsum(strategy_returns) plt.figure(figsize=(12, 4)) plt.plot(cumulative_returns, label="Strategy Cumulative Return") plt.legend() plt.show()

这段代码非常简化，实际交易中还需要考虑手续费、滑点、仓位管理等。这里只是用来验证模型输出是否包含一定的预测能力。

6. 常见问题与排查思路

在 LSTM 预测套利时机这个方向上，代码运行本身的问题相对容易解决，难的是拿到一个看起来不错、但回测一塌糊涂的模型。下面按问题现象分类列出常见坑点。

6.1 模型训练不收敛，损失值震荡

问题现象	常见原因	解决思路
训练损失一直不下降	学习率太大或太小	尝试optimizer='adam'默认学习率，或用ReduceLROnPlateau动态调整
损失震荡，准确率波动大	输入特征没有标准化	检查是否只在训练集上做标准化，验证集/测试集是否使用同一 scaler
LSTM 层数太多导致梯度异常	模型结构过深	先用单层 LSTM 验证数据可行性，再逐步加深
训练数据量太小	样本不足	增加数据长度、缩短 time_steps、使用早停防止过拟合

6.2 训练集准确率高，测试集准确率低

这是典型的过拟合问题。在金融时序数据上尤其常见，因为金融数据噪声大、结构不稳定。

可能的解决方案：

• 增加 Dropout 比例到 0.3~0.5；
• 减少 LSTM 单元数或层数；
• 增加训练数据量；
• 使用早停（EarlyStopping），在验证集损失不再下降时停止训练；
• 对标签构造做平滑处理，减少噪声标签。

6.3 数据泄露：测试集表现异常“好”

这是金融时序建模中最隐蔽的问题。常见的数据泄露来源包括：

• 对整个数据集做标准化后再划分训练集和测试集（正确做法是先划分，再用训练集统计量标准化）；
• 构造滚动特征时，使用了未来数据（如用未来收益率来填充特征）；
• 随机打乱数据后划分训练集/测试集，导致模型看到未来信息。

排查方法是：检查特征列是否有可能使用到未来信息的计算方式，检查数据划分是否严格按时间顺序进行。

6.4 标签严重不平衡

如果“好时机”在样本中占比很低（比如只有 5%），模型可能学到“全部预测为 0”就能达到 95% 准确率。此时需要：

• 使用class_weight参数给少数类更高权重；
• 使用过采样或欠采样方法；
• 更换评估指标，使用 F1-Score、AUC 等，而不是准确率。

# 使用类别权重改进训练 from sklearn.utils.class_weight import compute_class_weight classes = np.unique(y_train) weights = compute_class_weight(class_weight='balanced', classes=classes, y=y_train) class_weight = dict(zip(classes, weights)) history = model.fit( X_train_scaled, y_train, validation_data=(X_val_scaled, y_val), epochs=20, batch_size=64, class_weight=class_weight, verbose=1 )

6.5 回测结果很差，但模型准确率很高

这个现象说明模型可能学到了和交易利润无关的模式。例如，模型预测的是“价差是否上涨”，但你的套利策略是“价差偏离后是否会回归”。这两者并不等价。

解决思路是重新设计标签，让标签更贴近策略目标。比如标签不再定义为“未来价差涨跌”，而是定义为“当前价差偏离均值后，未来 10 期内是否回归到均值”。这才是套利时机的真正定义。

7. 最佳实践与工程建议

7.1 特征不是越多越好

LSTM 虽然可以自动提取特征，但不代表输入特征越多越好。高维特征会增加训练难度，也会引入更多无关噪声。建议从少量核心特征开始：价差、z-score、波动率、成交量变化，观察模型效果后再逐步扩展。

另外要特别注意：不同特征的时间尺度可能不同。比如 z-score 是按 20 期窗口计算的，动量是按 5 期差异计算的。在构造窗口样本时，要确保所有特征在同一个时间点上对齐，避免因为索引错位导致的数据错误。

7.2 标签设计是模型效果的上限

这一点值得反复强调。模型能学到什么，完全取决于标签定义。如果标签本身定义得模糊，无论模型结构多复杂、训练多久，都无法得到有用的交易信号。

在设计标签时，可以问自己三个问题：

1. 这个标签是否直接反映了策略目标？
2. 标签构造过程中是否不小心使用了未来信息？
3. 正负样本的比例是否合理？

如果三个问题都回答清楚了，模型的效果才有意义。

7.3 时间序列交叉验证

传统 K 折交叉验证不适合时序数据，因为打乱顺序会破坏时间相关性。推荐使用“滚动时间窗口验证”：

训练集：第 1 天 ~ 第 100 天 验证集：第 101 天 ~ 第 115 天 测试集：第 116 天 ~ 第 130 天

然后往前走一步：

训练集：第 16 天 ~ 第 115 天 验证集：第 116 天 ~ 第 130 天 测试集：第 131 天 ~ 第 145 天

这样可以更真实地评估模型在不同市场环境下的表现。

7.4 与回测系统打通

模型训练完成后，最终要放到回测系统中验证。回测时一定要考虑：

• 手续费和滑点；
• 信号延迟（T 时刻的预测结果，T+1 时刻才能执行）；
• 仓位管理（不能满仓进出）；
• 极端行情下的风险控制。

LSTM 预测的是“时机”，不是“保证赚钱的黄金信号”。即使模型准确率不错，交易执行层面的细节仍然会显著影响最终收益。

7.5 模型更新频率

金融市场的结构会随时间变化。一个在历史数据上训练好的 LSTM 模型，几个月后可能就失效了。实践中建议定期用新数据重新训练模型，或者采用“滚动训练”的方式——比如每周用过去一年的数据重新训练一次。

同时要监控模型在实盘或样本外数据上的表现。如果预测准确率持续下降，说明市场结构发生了明显变化，需要回到特征工程和标签设计层面重新审视。

8. 总结与学习路线

本文从套利时机的难点出发，梳理了 LSTM 在套利时机预测中的完整流程：包括套利时机问题的建模思路、LSTM 核心原理、时间窗口样本构造、特征工程、标签设计、模型训练、评估与简单的回测验证。

代码层面，给出了一个可直接运行的完整示例，帮助你理解从原始价差数据到开仓信号的全过程。但也要清楚，示例中的模拟数据是为了演示流程而生成的，真实场景下的数据会更复杂，标签设计和特征工程需要投入更多精力。

如果你想继续深入这个方向，下一步可以从以下几个方面入手：

1. 深入理解 LSTM 变体：比如 BiLSTM（双向 LSTM）、Attention LSTM（注意力机制增强），这些变体在金融时序任务中往往有更好表现。
2. 学习更规范的回测框架：比如backtrader、vectorbt，把模型输出和真实交易逻辑结合起来。
3. 研究更多金融特征：如成交量分布、盘口深度、波动率聚集等，这些特征可能对套利时机判断更有帮助。
4. 对比传统方法：用同样的数据跑 z-score 策略和 LSTM 策略，比较两者的收益曲线和最大回撤，这样才能客观评估深度方法的增量价值。

最后想提醒的是：LSTM 不是万能的。它擅长从历史数据中学习模式，但金融市场的未来永远充满不确定性。模型输出可以作为信号参考，但交易决策还需要结合仓位管理、风险控制和市场逻辑综合判断。希望这篇文章能帮你把 LSTM 应用到套利时机预测中时少踩一些坑，也欢迎在实际项目中尝试不同的标签设计和模型结构，找到适合自己策略的最优方案。