用MT5 Python跑提升算法,我把策略折腾了一遍

本篇的核心思路是通过迭代优化弱学习器、聚焦误差样本，即串行训练一堆弱模型，每个新模型都盯着前一个犯错的地方使劲学，最后把所有人加权组合成一个强家伙。金融市场那些非线性、说不清道不明的关系，用这套路子去抓，效果往往不错，能把预测精度提上去，最终落地成多空策略。

提升算法到底在干嘛

说白了就是个"错题集"逻辑。第一棵树的预测肯定一堆错的，第二棵树就专门盯着错的样本学，第三棵再盯前两棵都没搞定的那些。一轮轮叠加上去，最后把所有人的意见加权汇总。

这思路在金融数据上我觉得挺对路。价格走势那堆乱七八糟的非线性关系，你让线性回归去抓基本没戏，但Boosting这套串行纠偏的玩法，确实能挖出一些东西。

AdaBoost和GBM是两条基础路线。AdaBoost偏二分类，调样本权重迭代，简单粗暴。GBM更通用些，把优化目标转成梯度下降来搞，回归分类都能上。量化里好像GBM用得更多一些。

几个关键参数得心里有数。学习率我一般从0.05开始试，调低了稳一些，但树得加。早停我习惯开着，验证集一躺平就收工，不然总觉得在浪费电。子采样就是随机抽样本训练每棵树，对防过拟合感觉有点用。

XGBoost、LightGBM、CatBoost怎么选

XGBoost给我的感觉最稳，二阶泰勒展开优化损失，正则化直接嵌目标函数里，泛化确实不错。中低频多因子策略我一般优先用它。

LightGBM快得有点离谱，直方图分箱+单边梯度采样，内存占用也低。分钟级数据量一大，用它训练体感上比XGBoost能快一倍不止。

CatBoost最省事，类别特征自动处理，行业标签、品种分类直接往里扔，不用自己折腾编码，懒人福音。

调参我一般不会一上来就GridSearch全扫，太费时间。通常是先粗调学习率，确定个大概量级，再精调树深度和子采样比例。交叉验证用TimeSeriesSplit，随机打乱在时序数据里感觉不太妥当。

MT5上撸了一遍流程

数据用MetaTrader5库直接拉，代码量不大：

import MetaTrader5 as mt5
import pandas as pd

mt5.initialize()
rates = mt5.copy_rates_range("EURUSD", mt5.TIMEFRAME_H1, 
                             datetime(2024,1,1), datetime(2024,12,31))
df = pd.DataFrame(rates)
df['time'] = pd.to_datetime(df['time'], unit='s')

特征这块，技术指标用pandas-ta一把梭。但我发现光加RSI、MACD这些好像还不够，滞后特征最好也跟上——价格增量的lag值对时序依赖的捕捉挺关键。

目标变量看你怎么定义。我试过二元分类（涨/跌），也试过回归预测具体收益率。回归的信息量更大一些，但标注难度也高一点，实盘对齐的时候稍微麻烦点。

训练代码大致长这样：

from xgboost import XGBClassifier
from sklearn.model_selection import TimeSeriesSplit

tscv = TimeSeriesSplit(n_splits=5)
model = XGBClassifier(
    n_estimators=100,
    learning_rate=0.1,
    max_depth=5,
    subsample=0.8,
    early_stopping_rounds=10
)

model.fit(X_train, y_train, 
          eval_set=[(X_valid, y_valid)],
          verbose=False)

时间顺序千万别乱。我见过有人不小心用未来数据做验证还浑然不觉，回测曲线漂亮得不像话，一实盘就原形毕露。训练集老老实实放在验证集前面。

信号出来之后调MT5接口下单：

pred = model.predict(X_test)

for idx, signal inenumerate(pred):
if signal == 1:
        mt5.order_send(
            symbol="EURUSD",
            action=mt5.TRADE_ACTION_DEAL,
            order_type=mt5.ORDER_TYPE_BUY,
            volume=0.01,
            price=mt5.symbol_info_tick("EURUSD").ask
        )
else:
        mt5.order_send(
            symbol="EURUSD",
            action=mt5.TRADE_ACTION_DEAL,
            order_type=mt5.ORDER_TYPE_SELL,
            volume=0.01,
            price=mt5.symbol_info_tick("EURUSD").bid
        )

仓位我是按预测得分排序，前30%做多后30%做空，每周再平衡一次。回测用的NautilusTrader接MT5，佣金滑点都塞进去了。

模型不能当黑箱用

跑归跑，最好还是知道模型凭啥下单。

特征重要性最直接，跑完就能看哪些因子在起作用。部分依赖图能告诉你PE和预测收益之间大概是正相关还是负相关，拐点在哪儿大概也能瞧出来。

SHAP值这玩意儿挺细，单个样本为什么被预测为涨，每个特征贡献了多少正负，全给你拆开。跟老板解释策略逻辑的时候特别管用。

高频场景踩的坑

试过用LightGBM跑分钟级数据。特征得换——分钟级波动率、成交量变化率、盘口委比这些，比日线那些指标好使。数据量大了，先用互信息筛一遍特征降维，不然训练慢得想哭。

信号质量评估别只看准确率。滚动IC、胜率、盈亏比这三个组合着看，比单一指标心里有底一些。

几个实实在在的坑

过拟合是老大难。树深度限制一下、学习率压一压、子采样拉开点，早停开起来——验证集一旦开始变差就别硬撑了。

数据泄露防不胜防。基本面数据发布有滞后，你用的PE如果是财报截止日的数据，实盘根本拿不到。回测时最好把滑点和佣金算进去，我见过好几个人忽略这个，回测年化三十几，实盘一跑手续费吃掉一大截。

类别特征忘编码也是个低级错误，XGBoost和LightGBM不自动处理这玩意儿，用CatBoost可以省点心。

内存扛不住的时候用子采样和特征筛选顶着，别硬上全量。

选型上我自己的习惯

• • 多因子中低频 → 倾向于XGBoost
• • 高频海量数据 → 倾向于LightGBM
• • 类别特征多 → 倾向于CatBoost