简介：利用k近邻算法实现股市预测的Python源代码包，面向已有基础Python语法、正接触机器学习的开发者和量化分析爱好者，通过历史行情数据进行走势预测，直观展示kNN分类与回归思路在金融场景中的应用。压缩包共2个文件，含一个.py核心脚本和一份.md说明文档，整体大小仅2KB，结构清晰、便于快速阅读。代码基于pandas、tushare、numpy、scipy、fastdtw等库完成股票数据获取、时间序列对齐及距离度量，用户只需在交互式命令行调用main并传入股票代码与k值，即可获得预测结果；若将ktype设为‘W’，还能切换到周线维度进行长周期分析。配套说明文档重点介绍了库的配置、脚本运行方式，并反复提示k值的改变会直接影响准确率与估计结果，建议多次试验以找到最优参数，同时注意数据归一化和异常值处理，帮助减少偏差。已有121人学习，源码与文档组合适合在真实数据上边改边测，既能体会数据预处理到模型评估的完整流程，也能为后续更复杂的股市预测研究提供参考。
1. 用KNN做股市预测：为什么一个“不学习”的算法值得你先跑一遍
如果你刚拿到一份“Python基于KNN算法实现的股市预测源代码”，第一反应多半是怀疑：KNN既没有梯度下降，也没有权重更新，甚至连训练过程都谈不上，把一个不学习的算法用在股市预测上，靠谱吗？实际上，KNN在量化入门场景里是最适合先跑通的原型算法之一——它把历史上所有K线形态直接当作“记忆库”，新行情出现时，检索最相似的若干个历史片段，看看它们之后怎么走。你不需要GPU，不需要深度学习方法那样的大样本，一个普通笔记本配合Python环境就能完成从数据拉取到回测的全流程。这篇文章会顺着这套源代码最常见的落地路径，把数据怎么取、特征怎么造、参数怎么调、回测怎么做、哪些地方必然翻车讲清楚，适合想用手头源码验证技术指标有效性、又不想一上来就碰深度学习的量化入门者。
2. 先想清楚再写代码：KNN为什么能用于股市预测，边界在哪里
2.1 KNN的决策机制：靠“查历史相似片段”而不是学函数
KNN（K-Nearest Neighbors，K近邻算法）本质上是非参数方法，它不拟合任何函数，而是把全部训练样本保存下来，等到预测时再去“翻旧账”。对于每一个待预测样本，它计算该样本与所有历史样本在特征空间中的距离，选出距离最近的K个邻居，然后用这K个邻居的标签进行投票或者取均值。这套机制放在股市预测里，对应的直觉是：如果今天这支股票的涨跌幅、均线关系、成交量特征和历史上某几个交易日非常相似，那么这几个交易日之后几天的走势，大概率能给我们一些参考。
这个直觉并非毫无根据。技术分析的核心假设之一就是“历史会重演”，而KNN是把这个假设执行得最彻底的算法——它不做任何泛化，直接拿相似的历史片段说事。和线性回归相比，KNN不需要假设涨跌与特征之间存在线性关系；实际行情中，同样的均线形态在不同市场环境下可能指向完全相反的后续走势，这种非线性关系正是KNN的用武之地。和决策树、随机森林相比，KNN也没有特征重要性排序的概念，它保留了所有特征的综合距离信息，因此对特征工程质量要求更高，但好处是模式更接近“整体形态匹配”，而不是单看某几个指标。
2.2 为什么日线行情对KNN相对友好：局部平稳性
KNN有效的前提是：相似的特征向量在统计上大概率导向相似的标签。这个条件在股市日线数据上并不是天然成立的，它依赖一个隐含假设——局部平稳性。所谓的局部平稳，指的是在样本覆盖的时间范围内，市场的“游戏规则”没有发生剧烈变化，相似的K线形态之后仍然会走出相似的行情。
日线级别为什么勉强满足这个条件？因为K线形态本身已经浓缩了很多信息。一段缩量横盘后的放量突破，无论发生在哪一年，后续几日的短线动量效应通常都存在；一段连续暴涨后的高位滞涨，短线回调的概率也大概率偏高。这些都是短期统计规律，它们不依赖宏观基本面判断，因此KNN在1到5天的预测周期上比在长周期上表现更稳定。但你必须清楚它的边界：一旦市场进入系统性风格切换——比如从趋势行情转为长期阴跌，或者出现流动性冲击——历史上那些相似形态的“参考答案”就失效了。KNN没有外推能力，它只能回答“历史上像这样的时候后来怎么样了”，回答不了“这次不一样怎么办”。
2.3 与主流模型对比：什么时候该选KNN，以及最小可行配置
如果你正在线性回归、决策树和KNN之间做选型，可以按下面的思路来判断。线性回归适合特征与预测目标关系相对稳定的场景，但股市里这种稳定性很少。决策树和随机森林对噪声有更强的容忍度，但需要较多的调参工作，且树模型的预测结果不容易解释“为什么是这几个邻居影响了判断”。KNN的优势是三条：实现门槛最低，预测结果可解释（直接把最近的邻居日期打印出来看），以及在小样本上不容易出现过拟合——因为它根本没有训练参数。
最小可行配置建议如下表，这也是我读这份源代码时建议你心里先有的默认值：
| 配置项 | 建议值 | 说明 |
|---|---|---|
| 预测目标 | 未来3日累计涨跌幅是否超过3% | 预测“明天涨不涨”噪声太大，拉长周期更符合KNN模式匹配的习惯 |
| 数据频率 | 日线 | 分钟线噪声更大，且数据量对KNN的检索开销不友好 |
| 特征数量 | 5～8个 | 过少区分度不够，过多会引入无关维度稀释距离 |
| 历史样本量 | 1500～2500个交易日 | 约6～10年日线，兼顾行情风格覆盖与计算效率 |
| K值 | 8～15 | 日线噪声大，K太小容易被单日异常行情带偏 |
| 评估指标 | 预测准确率 + 单笔盈亏比 + 累计收益曲线 | 只看准确率会被类不平衡骗到，后面第5章会展开 |
这个配置的核心是把问题从“预测明天的价格”降维成“识别历史上相似的行情片段”。想清楚这一点，你就知道后面所有代码都是围绕“构造特征向量、计算距离、找邻居、投票”四步展开的。
3. 数据获取与特征工程：把K线变成KNN能吃的特征向量
3.1 用akshare拉取日K数据：前复权、样本量、列名对齐
KNN股市预测源代码的第一步，基本都是获取历史行情数据。常见做法是用akshare或者yfinance拉取日K线，考虑到国内A股数据的可获取性，我一般用akshare。下面是最小可用的数据拉取脚本：
# fetch_data.py import akshare as ak import pandas as pd # 拉取浦发银行（sh600000）的日K线，qfq表示前复权 df = ak.stock_zh_a_daily(symbol="sh600000", adjust="qfq") # akshare返回的列名是英文，统一重命名并只保留需要的字段 df = df.rename(columns={ "date": "date", "open": "open", "high": "high", "low": "low", "close": "close", "volume": "volume" }) df = df[["date", "open", "high", "low", "close", "volume"]] # 截取最近2000个交易日，足够覆盖8年左右的行情 df = df.tail(2000).reset_index(drop=True) df.to_csv("data.csv", index=False) print(f"共获取 {len(df)} 条日线数据，区间 {df['date'].iloc[0]} 至 {df['date'].iloc[-1]}")这段代码里有两个参数需要重点说明。第一个是adjust="qfq"，前复权的作用是消除分红送股造成的价格跳空。如果不复权，除权日当天K线会出现一个向下的“坑”，KNN会把这种非交易行为造成的价格断裂误认为是行情异动，找出来的邻居就会失真。第二个是tail(2000)，样本量不建议贪多——拉十年以上的数据虽然可行，但时间跨度拉的过长，早期行情的交易规则和参与者结构都和现在差别很大，反而污染相似度计算。
3.2 构造特征工程：把均线差、RSI、量比与波动率做成向量
KNN对特征工程的要求比树模型更高，因为距离计算是“全维度综合评估”，一个无关特征就会把距离拉偏。所以特征要精心挑，方向上只选那些技术分析里被反复验证过的量价指标。下面是特征构建代码：
# features.py import pandas as pd import numpy as np df = pd.read_csv("data.csv", parse_dates=["date"]) # 今日收益率：相邻两日收盘价的变化率 df["ret"] = df["close"].pct_change() # 均线偏离度：短期均线相对长期均线的位置，量化“多头/空头排列”的强度 df["ma5"] = df["close"].rolling(5).mean() df["ma20"] = df["close"].rolling(20).mean() df["ma_gap"] = df["ma5"] / df["ma20"] - 1 # RSI(14)：衡量近期涨跌动能的强弱，KNN需要一个“动量感”特征 delta = df["close"].diff() gain = delta.clip(lower=0).rolling(14).mean() loss = (-delta.clip(upper=0)).rolling(14).mean() rs = gain / loss df["rsi14"] = 100 - 100 / (1 + rs) # 量比：当日成交量与最近5日均量的比值，捕捉放量或缩量 df["volume_ratio"] = df["volume"] / df["volume"].rolling(5).mean() # 波动率：最近10日收益率的标准差，衡量当前行情处于平静期还是剧烈期 df["volatility"] = df["ret"].rolling(10).std() # ATR：平均真实波幅，用来刻画单日价格波动幅度 tr = pd.concat([ df["high"] - df["low"], (df["high"] - df["close"].shift()).abs(), (df["low"] - df["close"].shift()).abs() ], axis=1).max(axis=1) df["atr"] = tr.rolling(14).mean() # 丢弃前20行，因为均线、RSI等指标需要足够的历史窗口才能计算 df = df.dropna().reset_index(drop=True) feature_cols = ["ret", "ma_gap", "rsi14", "volume_ratio", "volatility", "atr"] print(df[feature_cols].describe())为什么选这6个特征？ret表示最近一天的状态，ma_gap表达趋势位置，rsi14给出超买超卖信息，volume_ratio反映资金参与度，volatility和atr则刻画波动环境。这六者组合起来，基本覆盖了“位置、动量、量能、波动”四个维度，没有明显冗余，也不会过度稀释距离。特征之间相关性低这一点很重要——如果atr和volatility几乎完全线性相关，就相当于给波动率加了两倍权重。
3.3 标签与数据切分：预测的是“未来3日累计涨跌”，不是明天
接下来是标签的构造，这一步最容易埋雷。这里选择将未来3日累计涨幅超过3%视为正样本，也就是1，否则为0：
# label.py # 标签：未来3日累计收益率是否大于3% df["future_ret"] = df["close"].pct_change(3).shift(-3) df["label"] = (df["future_ret"] > 0.03).astype(int) # 删除最后3行：它们没有完整的未来3日数据，标签是残缺的 df = df.dropna(subset=["future_ret"]).reset_index(drop=True) X = df[feature_cols] y = df["label"] print(f"正样本（未来3日涨超3%）占比: {y.mean():.2%}") print(f"总共 {len(df)} 个有效交易日，特征维度 {X.shape[1]}")标签构造里的shift(-3)是关键逻辑。pct_change(3)计算的是当日相对3天前的涨跌幅，shift(-3)把结果向上平移3行，让每一行对应的标签变成“从当天开始往后3天的收益率”。这样训练时模型看到的是第t天的特征，标签是第t到t+3天的实际结果，时序上完全合理。需要注意，dropna(subset=["future_ret"])必须执行，否则最后三行的标签是不完整数据，会让回测虚高。正样本占比如果太低，比如低于15%，说明3%的阈值在当前股票上定高了，可以适当降到2%。
4. 训练、预测与回测：把你的KNN股市预测源码包跑通
4.1 KNN模型在scikit-learn里的三个必调参数
在scikit-learn中，KNeighborsClassifier的构造参数不多，真正影响股市预测效果的主要是n_neighbors、weights和p。先看代码：
# train_knn.py from sklearn.neighbors import KNeighborsClassifier from sklearn.preprocessing import StandardScaler from sklearn.model_selection import TimeSeriesSplit from sklearn.metrics import accuracy_score, classification_report import numpy as np # 数据切分：前70%训练，后30%测试，按时间顺序切分 train_size = int(len(X) * 0.7) X_train, X_test = X.iloc[:train_size], X.iloc[train_size:] y_train, y_test = y.iloc[:train_size], y.iloc[train_size:] # 标准化：一定要先在训练集上fit，再transform训练集和测试集 scaler = StandardScaler().fit(X_train) X_train_scaled = scaler.transform(X_train) X_test_scaled = scaler.transform(X_test) # KNN模型：K=10，距离加权，曼哈顿距离 model = KNeighborsClassifier( n_neighbors=10, weights="distance", p=1, metric="minkowski" ) model.fit(X_train_scaled, y_train) y_pred = model.predict(X_test_scaled) y_prob = model.predict_proba(X_test_scaled)[:, 1] print(f"测试集准确率: {accuracy_score(y_test, y_pred):.2%}") print(classification_report(y_test, y_pred, target_names=["不涨", "涨"]))三个参数各自有讲究。n_neighbors=10取的是经验中值，日线上小于5会让模型被单日噪音支配，大于20又会把几年前风格完全不同的行情拉进来参与投票，8到15是一个经得起交叉验证的区间。weights="distance"意味着距离更近的邻居对投票的贡献更大，“历史上越像今天的行情，参考价值越高”这个逻辑比均匀投票更贴合直觉。p=1对应曼哈顿距离，它在高维特征空间中比欧氏距离对异常值更稳健——股市数据里经常出现单日极端波动，曼哈顿距离不会因为某一个维度偏离过远而完全主导整体距离。
4.2 预测结果的可读输出：概率、方向与准确率
分类器的输出除了方向之外，predict_proba给出的概率信息更值得关注。上面的代码已经把概率保存到y_prob。这个概率的价值在于：它本身就是“历史相似片段的上涨比例”，可以直接作为信号强度使用。比如y_prob等于0.62，相当于在距离最近的10个历史交易日里，有6到7个在随后3天涨超3%。
我建议把预测结果合并回行情数据，方便肉眼查验模型到底在什么行情下会给出什么判断：
# inspect_prediction.py result = df.iloc[train_size:].copy() result["pred_label"] = y_pred result["prob_up"] = y_prob # 打印最近几条预测，尤其关注预测上涨的样本 print(result[["date", "close", "ma_gap", "volume_ratio", "prob_up", "pred_label", "label"]].tail(10)) # 统计一下：预测概率高于0.6的样本里，实际涨的比例有多高 high_confidence = result[result["prob_up"] > 0.6] print(f"高置信区间样本数: {len(high_confidence)}, 实际上涨占比: {high_confidence['label'].mean():.2%}")这段代码不是必需的训练步骤，但我强烈建议每次调参后都跑一遍。KNN算法的特点是“黑匣子程度低”：你可以把预测上涨的样本对应的邻居日期打印出来，直接查看那些历史相似日子的K线形态。如果发现高置信预测中实际涨的比例并没有明显提升，说明特征集里还缺关键信息，或者标签阈值设置不合理。
4.3 简易回测：记录“信号—持仓—权益曲线”
有了预测方向，还需要一个能评估“按这个策略交易到底赚不赚钱”的回测框架。下面的回测做了适当简化——忽略手续费和滑点，目的是先验证模型本身有没有统计优势：
# backtest.py import numpy as np import pandas as pd # 约定：预测label=1时次日开盘买入，持有3天后卖出 # 信号在第t天收盘后产生，第t+1天执行 signals = pd.Series(index=result.index, data=0) signals[result["prob_up"] > 0.5] = 1 # 默认阈值为0.5，后面会调 equity = 1.0 position = 0 entry_price = 0 hold_days = 0 records = [] for i in range(len(result) - 3): date = result["date"].iloc[i] close_price = result["close"].iloc[i] next_open = result["open"].iloc[i + 1] if signals.iloc[i] == 1 and position == 0: # 买入：使用第二天开盘价 position = 1 entry_price = next_open hold_days = 0 if position == 1: hold_days += 1 if hold_days >= 3: # 卖出：使用当天收盘价 exit_price = close_price ret = exit_price / entry_price - 1 equity *= (1 + ret) records.append({"date": date, "ret": ret, "entry": entry_price, "exit": exit_price}) position = 0 hold_days = 0 # 计算累计收益率和最大回撤 total_ret = equity - 1 print(f"累计收益率: {total_ret:.2%}") # 最大回撤：权益曲线的峰值到谷值最大跌幅 equity_curve = [1.0] cur = 1.0 for r in records: cur *= (1 + r["ret"]) equity_curve.append(cur) peak = np.maximum.accumulate(equity_curve) drawdown = equity_curve / peak - 1 print(f"最大回撤: {drawdown.min():.2%}") # 交易胜率与盈亏比 rets = [r["ret"] for r in records] win_rate = sum(1 for r in rets if r > 0) / len(rets) avg_win = np.mean([r for r in rets if r > 0]) if any(r > 0 for r in rets) else 0 avg_loss = np.mean([r for r in rets if r < 0]) if any(r < 0 for r in rets) else 0 print(f"交易次数: {len(rets)}, 胜率: {win_rate:.2%}, 平均盈利: {avg_win:.2%}, 平均亏损: {avg_loss:.2%}") print(f"盈亏比: {abs(avg_win / avg_loss):.2f}")回测逻辑里有一个多数新手会忽视的细节：信号在第t天收盘后产生，但买入要等到第t+1天开盘。这是因为收盘价数据在收盘那一刻才能确认，如果你用当天的收盘价买入，就是用了未来数据。上面的代码用next_open作为入场价，严格规避了这一点。回测结果里最重要的不是累计收益率，而是胜率和盈亏比的组合。如果胜率低于50%但盈亏比大于1.5，策略仍然可能是正期望的；反之，如果胜率70%但赚小钱亏大钱，策略大概率是负期望。
4.4 使用说明文档里必须写清的三个设置项
既然标题里带了“使用说明”，这里补充一下这类源码包落地时需要注意的三个配置项。第一是数据源的可替换性——代码里硬编码的股票代码和akshare接口属于示例，实际使用时应保证data.csv的列名与你本地数据一致，否则特征工程会直接报错。第二是标签阈值的可配置化——3%和3日窗口是示例值，换股票换周期时这两个参数往往需要重新验证。第三是预测结果的输出方式——无论源码里是直接打印还是写文件，你拿到预测结果后都要先人工核对几条：对照K线图看模型预测上涨时的历史形态是否真的相似。核对通过后再进入回测，可以避免后续调参变成对噪声的过度拟合。
5. 避坑：KNN在股市预测里最容易翻车的五个点
5.1 未来函数：回测90%，实盘翻车
现象：回测结果漂亮得惊人，准确率接近90%，累计收益曲线一路向上，但拿到模拟盘上就变脸，连续亏损。
原因：典型的未来函数污染。常见写法是构造特征时用了shift(-1)——比如把“当天成交量相对明天成交量的变化”算进去，或者标签与特征之间发生了错位，模型在训练时“偷看”了未来信息。KNN这种记忆型模型对数据泄漏尤其敏感，因为它会直接把未来的相似片段当作邻居检索到。
解决：把特征和标签的生成逻辑分开审查。每个特征只允许使用当日及之前的数据，rolling窗口向右不能跨过当天。标签统一用shift(-n)前移，删除末尾没有完整未来数据的所有行。你可以用一句口诀自查：第t行特征里出现任何带t+1信息的字段，就是未来函数。
5.2 特征量纲不统一：距离被成交量绑架
现象：不管怎么调K值，预测结果几乎不变，并且模型的判断依据主要落在成交量这一个字段上。把成交量特征去掉之后，准确率反而提升了。
原因：KNN的距离计算是逐维度累加的。成交量数值动辄几十万手，收益率只有0.01级别，欧氏距离计算时成交量一个维度的差值就能盖过其他五个维度之和。如果没有做标准化，等于是让模型只按成交量一个维度找邻居。
解决：先标准化再进模型，而且要严格遵守“训练集上fit，测试集上transform”的流程。如果你用了StandardScaler().fit_transform(X)一次性处理好整个数据集，测试集的均值和方差就被训练过程看到了，回测结果依然会偏乐观。
5.3 类别不平衡：永远预测“不涨”也能拿到70%准确率
现象：准确率有70%以上，看详细报告却发现预测的“涨”类样本F1值低得可怜，模型基本把所有样本都判成了“不涨”。
原因：正样本占比常常只有20%～30%，如果阈值默认0.5，模型只需要把一切预测为负类就能获得70%以上的准确率。准确率这个指标在类别不平衡的数据集上严重失真。
解决：换评估指标，重点关注正样本的召回率和精确率。操作层面有两个常用手段，一是把预测阈值从0.5提高到0.6或0.65，只交易高置信信号，牺牲交易频率换取胜率；二是调整标签阈值，把正样本定义从“涨超3%”改成“涨超2%”，让正样本占比回升到30%以上。需要提醒的是，KNeighborsClassifier没有class_weight参数，不要在这上面浪费时间，直接调阈值最有效。
5.4 K值选太小：把单日噪声当成了规律
现象：K从3调到5再到10，预测结果每次都大变样，回测累计收益也随之剧烈波动。翻看预测上涨的样本，对应的邻居日期里混着几根异常长阴线。
原因：K过小时，模型被少数极端交易日的特征完全主导。股市日线数据里噪声占比很高，一根因突发利空砸出的长阴线，其特征向量和正常行情差异巨大，K=3时只要距离最近的三天里有这么一根，它就直接改变了投票结果。
解决：K的下限建议不低于8。确定K值时不看测试集表现，而是用TimeSeriesSplit在训练集内部交叉验证，画一条K从3到30的准确率曲线，取曲线平稳段的中值。K值不是越大越好，过大会把行情风格完全不同时期的数据也拉进来，但宁可稍大也不能让两根异常K线主导投票。
5.5 风格切换期失灵：KNN没有外推能力
现象：模型在2015年和2020年这种趋势行情里表现不错，但在2018年单边下跌或者2022年震荡阴跌期间，预测准确率掉到50%以下，回撤明显放大。
原因：KNN属于“记忆型”模型，它只能回答历史上相似部分怎么走。当市场进入历史中没有对应模式的阶段——比如流动性收缩期的普跌行情——历史相似片段的参考价值急剧下降。这不是参数问题，是算法边界。
解决：在预测层做行情过滤，只在指数20日均线之上时才允许开仓，或者加入“市场状态”作为特征维度。更简单的做法是缩短持仓周期，把预测目标从“3日涨跌”改成“1日涨跌”并降低收益阈值，让模型在更短的统计窗口内寻找规律。接受KNN不是万能的——它适合抓取熟悉的短线形态，不适合做牛熊转折的判断。
6. 把KNN预测做稳的最后一步：滚动窗口与信号过滤
6.1 用滚动窗口代替一次性切分：接近真实交易节奏
一次性按70%切分训练集和测试集虽然简单，但它有一个问题：模型只用2000行历史里的前1400行做记忆库，后600行的每个预测样本都依赖一段“固定不变”的记忆。真实交易里，你的知识库应该随新数据不断滚动更新。这里推荐用手动滚动训练代替TimeSeriesSplit——它更适合评估策略稳定性，但实际交易时你需要每产生一个新交易日的数据就重新训练一次。
滚动窗口的核心代码量不大：每次用最近500个交易日的特征向量作为记忆库，预测下一天的涨跌概率，然后窗口整体后移一天。如下所示：
# rolling_knn.py def rolling_predict(X_scaled, y, start_idx, lookback=500): """ 滚动预测：每个交易日只使用最近lookback条历史数据作为记忆库。 返回预测概率序列和实际标签序列。 """ preds = [] for t in range(start_idx, len(X_scaled)): # 记忆库：t之前的lookback条样本 X_train = X_scaled[t - lookback:t] y_train = y.iloc[t - lookback:t] X_test = X_scaled[t:t+1] model = KNeighborsClassifier(n_neighbors=10, weights="distance", p=1) model.fit(X_train, y_train) prob = model.predict_proba(X_test)[0, 1] preds.append(prob) return np.array(preds)lookback=500大约覆盖两年交易日，这个长度既保证记忆库里有足够丰富的行情形态，又不会让五年前的陈旧模式干扰当前判断。滚动训练的计算开销比一次性训练大不少，但对于日线级别的股票数量来说，单机运行完全在可接受范围内。你会注意到滚动窗口下的准确率通常比一次性切分略低——这是正常的，说明之前的结果里确实有一部分是模型“记住了测试期附近样本”带来的虚高。
6.2 用预测概率做信号过滤：只做高置信交易
KNN模型的输出概率天然适合作为仓位控制的依据。当10个邻居里有7个都在后续3天上涨，预测概率0.7，这时出手的胜率直觉上应该高于概率0.52的情况。把predict_proba的置信度直接当信号强度使用，是这类源码最值得改的一处逻辑。
# filter_signal.py prob_up = result["prob_up"] # 只在预测概率高于0.6时开仓，其余持币观望 signal = (prob_up > 0.6).astype(int) # 比较不同阈值下的交易次数与胜率 for th in [0.5, 0.55, 0.6, 0.65, 0.7]: s = (prob_up > th).astype(int) trades = s.sum() if trades == 0: continue # 统计这些信号对应位置的实际上涨占比 win_rate = result.loc[s == 1, "label"].mean() print(f"阈值={th}: 信号数={trades}, 实际上涨占比={win_rate:.2%}")从0.5开始逐步提高阈值，你会发现一个规律：交易次数下降，但信号质量上升。阈值定在多少合适，取决于你对资金使用效率的容忍度。我的习惯是选择“信号数不低于全年30个”的最低阈值——太激进容易过度拟合，太保守则一年都开不了几次仓。注意，这个阈值选择过程本身也是一种过拟合来源，所以选定之后就不要频繁改动，让它在新的样本上接受检验。
6.3 与MACD、均线做信号投票：一个低成本的风控增强
如果你希望进一步提升稳健性，可以把KNN信号和技术指标做一个最简单的投票融合。这里不需要复杂的模型堆叠，只需要一个布尔表决：当KNN给出上涨信号、MACD柱线为正、收盘价在20日均线之上三个条件同时满足时才买入。如果KNN的预测概率已经降到0.6附近，而MACD和均线方向相反，这一笔交易就不做。
# vote_signal.py df["macd_positive"] = (df["close"].ewm(span=12).mean() - df["close"].ewm(span=26).mean()) > 0 df["above_ma20"] = df["close"] > df["ma20"] result["knn_signal"] = (result["prob_up"] > 0.6).astype(int) result["macd_signal"] = df.loc[result.index, "macd_positive"].astype(int) result["ma_signal"] = df.loc[result.index, "above_ma20"].astype(int) # 三个信号相加等于3时才开仓 result["final_signal"] = (result["knn_signal"] + result["macd_signal"] + result["ma_signal"] == 3).astype(int)这个做法的本质是给KNN加了一层趋势过滤。KNN擅长识别局部形态，但对整体市场状态缺乏感知；均线和MACD恰好能补足这一点。融合后的信号数量会明显减少，但单笔交易的期望收益通常更稳定。整套流程跑完，你已经把最初那份源码从“能跑”进化成了“能评估、能调参、能控制风险”的完整量化原型。我自己在跑这类项目时养成的习惯是：固定一组参数跑够三个月，记录每一次改动和对应的回测差异，再决定要不要调整。这样做的理由是，KNN的预测结果对参数敏感，如果你边看回测边调参，最后调出来的往往不是规律，而是对历史行情的精确记忆。希望这套从数据到回测再到融合过滤的路径，能帮你在KNN股市预测这个方向上少走一段弯路。
本文还有配套的精品资源，点击获取
