简介：这份资源是一套基于XGBoost算法预测股票未来n日价格的完整源码，面向具备一定Python与机器学习基础、希望将集成学习模型落地到量化选股或行情研判场景的开发者与学习者。压缩包共6个文件，以3个py脚本为核心，分别承担数据获取、特征工程与XGBoost建模预测等任务，另附2个txt说明与依赖清单，以及1个xlsx结果文件，整体约18KB，结构精简、便于快速上手。目前已有245人学习下载。读者可据此掌握从行情数据读取、标签构造到模型训练与预测输出的完整流程，理解XGBoost在时序价格预测中的参数设置与评估思路，并借助结果文件对照验证预测效果，适合作为课程设计、毕业项目或量化策略原型的参考实现。
1. 用 XGBoost 预测 n 日后股价：一个被低估的工程化落地切口
很多人第一次听到「用 XGBoost 预测 n 日后的股价」，第一反应是「这不就是调个库、fit 一下、predict 一下的事吗」。真上手做过一轮的人会告诉你，模型本身反而是整条链路里最省心的部分——真正让人翻车的是标签怎么造、特征怎么对齐、时间序列怎么切、评估指标怎么选。XGBoost 在这里的价值不是「预测得准」，而是它把「特征工程 + 树模型 + 可解释性」这条路径压到了一个足够低的工程成本上，让你能在几天内跑通一个可复现的基线，而不是陷在 LSTM 调参的玄学里出不来。
这篇笔记面向的是想把这个方向真正落地的人：你手上有一份日频行情数据，想预测未来 n 日的涨跌或收益率，希望有一套能跑、能改、能验证的流程。我会把标签构造、特征体系、时序切分、参数设置、评估口径和几个血泪坑讲清楚，代码可以直接抄。需要先说明的是，任何股价预测模型都不构成投资建议，它的合理定位是「特征有效性的验证工具」和「策略信号的辅助输入」，不是印钞机。
2. 标签怎么造，决定了你这个模型到底在预测什么
2.1 三种常见标签口径与它们的适用边界
预测「n 日后的股价」这句话本身是模糊的。股价是一个绝对值，直接回归绝对价格几乎必然失败，因为价格序列非平稳，模型会学到「最近价格大概是多少」这个平凡解。所以实际落地时，标签通常有三种造法：
第一种是 n 日收益率回归，标签为close[t+n]/close[t] - 1。这是最贴近「预测股价」字面意思的做法，输出连续值，适合做排序或分档。缺点是收益率分布尖峰厚尾，极端值会主导 MSE 损失，通常需要对标签做截尾或改用 Huber 损失。
第二种是 n 日方向分类，标签为1 if close[t+n] > close[t] else 0。二分类的评估和调参都更直观，AUC、准确率都能用。缺点是丢掉了幅度信息，一个涨 0.1% 和一个涨 10% 被当成同一类。
第三种是超额收益分类，标签为个股 n 日收益减去同期基准（如宽基指数）收益后的符号。这个口径最接近真实选股场景，因为它剔除了市场 beta，模型学的是「相对强弱」而不是「大盘涨跌」。
我一般会先做第二种跑通链路，再切到第三种做正式评估。第一种只在需要输出连续信号强度时用。
2.2 标签构造的代码实现与对齐陷阱
import pandas as pd import numpy as np def build_labels(df, n_days=5, label_type="direction", price_col="close"): """ df: 单只股票按日期升序排列的 DataFrame，必须含 price_col n_days: 预测未来 n 个交易日 label_type: 'return' | 'direction' | 'excess' """ df = df.sort_values("date").reset_index(drop=True) # 未来 n 日价格：shift(-n) 把 t+n 的值拉到 t 行 future_price = df[price_col].shift(-n_days) # 当期价格 current_price = df[price_col] if label_type == "return": df["label"] = future_price / current_price - 1 elif label_type == "direction": df["label"] = (future_price > current_price).astype(int) elif label_type == "excess": # 需要外部传入基准收益 bench_ret，此处占位 stock_ret = future_price / current_price - 1 df["label"] = (stock_ret - df["bench_ret"] > 0).astype(int) # 末尾 n 行没有未来价格，标签为 NaN，必须丢弃 df = df.dropna(subset=["label"]).reset_index(drop=True) return df这段代码的关键在shift(-n_days)。它的语义是「把未来第 n 行的价格搬到当前行」，这样每一行样本的标签都来自它之后的数据。这里有个必须警惕的对齐陷阱：如果你在构造特征时用了shift(1)之类的滞后，又在标签上用了shift(-n)，那么特征和标签之间天然存在 n 天的间隔，这个间隔是合理的，但如果你不小心把当期或未来信息混进特征，就会造成前视偏差。判断标准很简单——构造完特征矩阵后，问自己一句：第 t 行的每一个特征值，在 t 时刻收盘时是否已经可得？只要有一个答案是「否」，这个特征就得删掉或改成滞后版本。
n_days的选择也有讲究。n 太小（1 到 2 天），信噪比极低，模型基本学不到东西；n 太大（20 天以上），样本重叠严重，且预测的东西离「股价」越来越远。实务里 3 到 10 个交易日是比较常见的区间，我一般从 5 开始试。
2.3 样本重叠问题：n 日标签带来的隐性数据泄漏
这是最容易被忽略的坑。当你用 n=5 的标签时，第 t 行和第 t+1 行的标签共享了 4 天的未来价格信息，样本之间高度相关。如果你直接做随机切分训练集和测试集，测试集里的样本和训练集里的样本在时间上犬牙交错，模型等于偷看了未来，评估结果会虚高得离谱。
正确做法是时序切分，且训练集和测试集之间要留出至少 n 天的间隔（embargo），避免边界处的标签重叠。这一点在下一章的切分部分会给出具体代码。
3. 特征体系与时序切分：把「不能偷看未来」落到代码里
3.1 特征分四类，每类都要过「可得性」检查
特征大致分四类，我按优先级排：
价量特征是最基础的，包括过去 k 日的收益率、波动率、成交量变化率、换手率、高低价差等。这类特征全部用shift(1)之后的滚动窗口计算，确保 t 行只用到 t-1 及之前的数据。
技术指标特征包括均线偏离、RSI、MACD、布林带位置等。注意很多库（如 TA-Lib）默认输出对齐到当前行，如果当前行的指标用到了当日收盘价，而你的交易假设是「收盘后决策、次日开盘执行」，那当日收盘价是可得的，可以用；但如果你的假设是「当日盘中决策」，就不能用当日收盘价。这个假设必须在项目一开始就定死。
市场情绪与资金特征包括大盘涨跌、行业指数涨跌、北向资金（如有）、融资余额变化等。这类特征要注意发布延迟，有些数据是盘后或次日才公布，直接对齐到当日就是前视偏差。
日历与截面特征包括星期几、月份、是否财报季等。这类特征单独用没什么用，但和价量特征交叉后有时能捕捉到季节性效应。
3.2 滚动特征构造的代码模板
def build_features(df, windows=(5, 10, 20)): """ 所有特征只用 t-1 及之前的数据，保证 t 行可得 """ df = df.sort_values("date").reset_index(drop=True) close = df["close"] volume = df["volume"] # 过去 k 日收益率：用 shift(1) 保证不含当日 for w in windows: df[f"ret_{w}d"] = close.shift(1) / close.shift(1 + w) - 1 df[f"vol_{w}d"] = close.shift(1).pct_change().rolling(w).std() df[f"vol_ratio_{w}d"] = volume.shift(1) / volume.shift(1).rolling(w).mean() # 均线偏离：当前收盘价相对过去 w 日均线 for w in windows: ma = close.shift(1).rolling(w).mean() df[f"ma_dev_{w}d"] = close / ma - 1 # 高低价差 df["hl_spread"] = (df["high"] - df["low"]) / df["close"].shift(1) # 丢弃因滚动窗口产生的 NaN 行 df = df.dropna().reset_index(drop=True) return df这里每个特征都显式带了shift(1)，这是刻意的冗余——即使某个指标本身不含未来信息，加上shift(1)也能防止后续改动时不小心引入泄漏。windows参数控制回看窗口，5/10/20 是日频数据的常用组合，对应一周、两周、一个月。窗口不是越多越好，太多高度相关的特征会让树模型的特征重要性分散，反而不好解释。
3.3 时序切分与 embargo 的实现
def time_split(df, train_ratio=0.7, embargo_days=5): """ 按时间顺序切分，训练集在前，测试集在后 embargo_days: 训练集和测试集之间留出的间隔天数，应 >= 标签的 n_days """ df = df.sort_values("date").reset_index(drop=True) n = len(df) train_end = int(n * train_ratio) test_start = train_end + embargo_days train = df.iloc[:train_end].copy() test = df.iloc[test_start:].copy() return train, testembargo_days必须大于等于标签的n_days，否则训练集最后几行的标签会用到测试集开头几天的价格，形成泄漏。这个参数很多人会忘记设，或者设成 0，结果就是测试集 AUC 高得离谱，上线后一塌糊涂。我一般会把 embargo 设成n_days + 2，多留两天缓冲。
另外，如果要做多折验证，不能用 sklearn 的KFold，要用TimeSeriesSplit，并且每一折之间同样要加 embargo。滚动训练（walk-forward）是更贴近实盘的做法：用前 2 年训练、后 1 个月测试，然后窗口整体前移，重复多次，看模型在不同时间段的稳定性。
4. XGBoost 参数怎么设：从基线到可用的三轮迭代
4.1 先跑一个能用的基线，别一上来就调参
import xgboost as xgb from sklearn.metrics import roc_auc_score, accuracy_score def train_baseline(train, test, feature_cols, label_col="label"): X_train = train[feature_cols] y_train = train[label_col] X_test = test[feature_cols] y_test = test[label_col] model = xgb.XGBClassifier( n_estimators=200, max_depth=4, learning_rate=0.05, subsample=0.8, colsample_bytree=0.8, min_child_weight=10, objective="binary:logistic", eval_metric="auc", tree_method="hist", random_state=42, ) model.fit(X_train, y_train) proba = model.predict_proba(X_test)[:, 1] pred = (proba > 0.5).astype(int) print("AUC:", roc_auc_score(y_test, proba)) print("ACC:", accuracy_score(y_test, pred)) return model, proba这组参数是给日频价量数据的保守起点。max_depth=4是刻意压低的，金融数据的信噪比低，树太深必然过拟合；min_child_weight=10要求每个叶子至少覆盖一定权重的样本，防止模型记住个别极端样本；subsample和colsample_bytree都设 0.8，引入随机性提升泛化。tree_method="hist"在数据量不大时速度足够，且内存友好。
4.2 关键参数的作用与调整方向
| 参数 | 作用 | 调大 | 调小 |
|---|---|---|---|
| max_depth | 树的最大深度 | 拟合能力增强，易过拟合 | 欠拟合风险 |
| min_child_weight | 叶子最小样本权重和 | 更保守，抗噪 | 易记住噪声 |
| learning_rate | 每棵树的学习率 | 收敛快，易震荡 | 需要更多树 |
| n_estimators | 树的数量 | 配合低学习率提升效果 | 可能欠拟合 |
| subsample | 行采样比例 | 接近 1 更稳定 | 太小欠拟合 |
| colsample_bytree | 列采样比例 | 接近 1 用更多特征 | 太小信息不足 |
| reg_alpha / reg_lambda | L1 / L2 正则 | 抑制过拟合 | 正则不足 |
调参顺序我一般是这样：先固定learning_rate=0.05，用早停确定n_estimators；然后调max_depth和min_child_weight这一对（它们共同控制模型复杂度）；最后微调subsample和colsample_bytree。reg_alpha和reg_lambda在特征数超过 50 个之后再考虑加。
4.3 早停与验证集的使用
def train_with_early_stop(train, valid, feature_cols, label_col="label"): X_train, y_train = train[feature_cols], train[label_col] X_valid, y_valid = valid[feature_cols], valid[label_col] model = xgb.XGBClassifier( n_estimators=2000, max_depth=4, learning_rate=0.05, subsample=0.8, colsample_bytree=0.8, min_child_weight=10, objective="binary:logistic", eval_metric="auc", tree_method="hist", early_stopping_rounds=50, random_state=42, ) model.fit( X_train, y_train, eval_set=[(X_valid, y_valid)], verbose=False, ) print("best_iteration:", model.best_iteration) return model早停的验证集必须从训练集的时间里再切一段出来，不能直接用测试集。early_stopping_rounds=50表示验证集 AUC 连续 50 轮不提升就停。best_iteration是最终用于预测的树数量，这个值在不同时间段可能差异很大，如果差异过大，说明模型不稳定，需要回头检查特征或标签。
4.4 特征重要性与模型可解释性
def show_importance(model, feature_cols, top_k=20): imp = model.feature_importances_ pairs = sorted(zip(feature_cols, imp), key=lambda x: -x[1])[:top_k] for name, score in pairs: print(f"{name:20s} {score:.4f}")XGBoost 默认的feature_importances_是增益-based 的重要性，能看出哪些特征被用得最多。但要注意，高度相关的特征会互相稀释重要性，所以不要因为某个特征重要性低就立刻删掉，要结合相关性矩阵一起看。如果某个特征重要性异常高，先怀疑是不是泄漏了未来信息，而不是高兴。
5. 避坑与排查：五个让模型「看起来很美」的陷阱
5.1 现象：测试集 AUC 0.75，实盘一塌糊涂
原因：最常见的是前视偏差。要么特征里混入了未来数据，要么切分时没有加 embargo，要么标准化/归一化时用了全量数据的统计量。解决：逐特征检查shift是否正确；切分函数强制加 embargo；任何 scaler 都只在训练集上 fit，再 transform 测试集。
5.2 现象：模型预测的涨跌方向准确率接近 50%，但收益率曲线很好看
原因：评估口径错了。方向准确率是逐样本算的，而实际交易是按时序累积的。如果模型在震荡市里频繁给出错误信号，但恰好在几波大趋势里押对了，累积收益可能为正，但逐样本准确率很低。解决：同时看逐样本指标和按时间聚合的组合收益指标，两者背离时以组合收益为准，但要检查是不是少数几笔极端收益撑起来的。
5.3 现象：换一个时间段重新训练，特征重要性排名完全变了
原因：特征不稳定，或者样本量太小。金融数据本身非平稳，某些特征在特定市场环境下有效，换个环境就失效。解决：做滚动训练，观察特征重要性的时序稳定性；只保留在多个时间段都排在前列的特征；对不稳定的特征做平滑或降权。
5.4 现象：训练集 AUC 0.9，验证集 AUC 0.55
原因：过拟合。树太深、叶子样本太少、特征太多都会导致。解决：降max_depth到 3 到 4，提min_child_weight，加reg_lambda，减特征数量。如果还不行，说明特征本身信噪比太低，需要回到特征工程而不是继续调参。
5.5 现象：预测概率集中在 0.45 到 0.55 之间，几乎没有区分度
原因：标签的类别不平衡或信噪比过低。如果涨跌样本比例接近 1:1 但模型输出都挤在中间，说明特征里没有足够的信息区分涨跌。解决：检查特征是否真的和标签有单调关系（画分箱图）；尝试改用收益率回归 + 分档；或者接受「这个数据集上 XGBoost 只能做到这么弱」的事实，转而把它作为多模型集成的一个输入。
6. 从单模型到可用信号：一个滚动验证的收尾技巧
把上面所有东西串起来，我最后会做一件事：滚动窗口验证 + 概率分档收益检验。具体做法是，用 walk-forward 的方式在多个时间段上训练模型，把每个时间段的测试集预测概率收集起来，然后按概率分 5 档，看每一档的实际 n 日平均收益是否单调。如果最高档和最低档的收益差显著且方向正确，说明模型至少有排序能力；如果五档收益乱序，那这个模型就不值得投入实盘。
def rolling_validate(df, feature_cols, n_days=5, n_splits=5): """ 滚动验证：每次用前面一段训练，后面一段测试，窗口前移 返回每个测试段的预测概率和真实标签 """ df = df.sort_values("date").reset_index(drop=True) n = len(df) fold_size = n // (n_splits + 1) results = [] for i in range(n_splits): train_end = fold_size * (i + 1) test_start = train_end + n_days + 2 # embargo test_end = min(test_start + fold_size, n) if test_start >= n: break train = df.iloc[:train_end] test = df.iloc[test_start:test_end] if len(test) < 30: continue model, proba = train_baseline(train, test, feature_cols) results.append(pd.DataFrame({ "date": test["date"].values, "proba": proba, "label": test["label"].values, })) all_pred = pd.concat(results, ignore_index=True) # 按概率分 5 档，看每档平均标签 all_pred["bucket"] = pd.qcut(all_pred["proba"], 5, labels=False, duplicates="drop") bucket_stat = all_pred.groupby("bucket")["label"].agg(["mean", "count"]) print(bucket_stat) return all_pred这个函数输出的bucket_stat就是最终判断依据。mean列如果从低档到高档单调递增，且最高档和最低档差距在统计上不是噪声（可以用 t 检验辅助），那这个模型方向就是值得继续投入的。count列用来确认每档样本量是否足够，少于 30 的档位结论不可靠。
我自己踩过最深的一个坑，是早期做这类模型时只看 AUC，看到 0.6 以上就兴奋，结果分档收益一塌糊涂。后来养成习惯：任何模型上线前，先跑滚动验证 + 分档收益，这一关过不了，AUC 再高也不看。另一个习惯是，每次改特征或参数，都把上一次的分档结果存下来做对比，避免「感觉变好了」这种主观判断。希望帮到你。
本文还有配套的精品资源，点击获取
