用 Python 揭秘均值回归策略：你的收益从何而来？

2026年重磅升级已全面落地！欢迎加入专注财经数据与量化投研的【数据科学实战】知识星球！您将获取持续更新的《财经数据宝典》与《量化投研宝典》，双典协同提供系统化指引；星球内含 500 篇以上独有高质量文章，深度覆盖策略开发、因子分析、风险管理等核心领域，内容基本每日更新；同步推出的「量化因子专题教程」系列（含完整可运行代码与实战案例），系统详解因子构建、回测与优化全流程，并实现日更迭代。我们持续扩充独家内容资源，全方位赋能您的投研效率与专业成长。无论您是量化新手还是资深研究者，这里都是助您少走弯路、事半功倍的理想伙伴，携手共探数据驱动的投资未来！

引言

每隔一段时间，总会冒出一些标题党：「AI 已经能预测股市了！」「用机器学习躺着赚钱！」作为一个同时对机器学习和量化金融感兴趣的人，你可能也很想知道：这些说法到底有几分是真的？

与其刷视频、翻论文，不如自己动手从零搭一套股价预测系统。这篇文章就带你走一遍完整流程：从数据采集、特征工程、模型训练，到新闻情感分析，再到用 FastAPI 把结果暴露成一个 Web 接口。

先把结论放在最前面：这个项目的目标从来不是「打败华尔街」，而是回答一个更实际的问题——我能不能设计一套端到端的系统，自动完成数据采集、特征构造、模型训练、新闻分析，并通过接口对外提供预测？

答案是：能。但真正的收获，往往不在预测本身。

一、为什么要自己搭一套？

这个项目把好几块技能揉在了一起：

• • 机器学习
• • 时间序列分析
• • 数据工程
• • 金融市场
• • 后端开发

与其把它们当成零散的技能点，不如整合进一个完整应用里。最终这套系统会自动完成下面这一整条流水线：

1. 1. 下载历史股价数据
2. 2. 构造技术类特征
3. 3. 训练多个机器学习模型
4. 4. 采集金融新闻
5. 5. 进行情感分析
6. 6. 生成次日预测
7. 7. 通过 FastAPI 后端对外提供结果

它不是一堆孤立的 Notebook，而是一个像模像样的真实应用。

二、系统架构拆解

整个系统主要由四大部分组成。

1. 数据采集

系统会自动下载历史 OHLCV 数据，也就是开盘价（Open）、最高价（High）、最低价（Low）、收盘价（Close）和成交量（Volume）。

但只喂原始价格是不够的，流水线会先把数据加工成适合机器学习的特征，比如：

• • 每日收益率
• • 移动平均线
• • 滚动波动率
• • 前几日的价格滞后值
• • 成交量

一个关键认知：原始行情数据本身很少能给模型足够的上下文，特征工程带来的提升，往往比单纯换算法要大得多。

2. 特征工程

这个项目里最大的教训之一是：机器学习模型根本「看不懂」股价，它只理解由数值特征表示的模式。

部分构造出来的特征包括：

• • 7 日移动平均
• • 14 日移动平均
• • 21 日移动平均
• • 滚动波动率
• • 滞后 1 日收盘价（Lag-1）
• • 滞后 2 日收盘价（Lag-2）
• • 滞后 3 日收盘价（Lag-3）
• • 每日百分比收益率

这里有个很聪明的设计：预测目标不是明天的绝对价格，而是明天的百分比收益率，之后再把收益率换算回预测价格。相比直接预测原始价格，这样学习问题更稳定。

下面用 Python 简单演示几个核心特征怎么算（假设已经用 pandas 拿到了行情 df）：

import pandas as pd

# df 至少包含一列 'Close' 收盘价
# 计算每日百分比收益率（作为预测目标）
df["return"] = df["Close"].pct_change()

# 计算多周期移动平均，捕捉不同时间尺度的趋势
df["ma_7"] = df["Close"].rolling(window=7).mean()    # 7 日均线
df["ma_14"] = df["Close"].rolling(window=14).mean()  # 14 日均线
df["ma_21"] = df["Close"].rolling(window=21).mean()  # 21 日均线

# 滚动波动率：用收益率的标准差衡量近期波动大小
df["volatility"] = df["return"].rolling(window=7).std()

# 滞后特征：把过去几天的收盘价作为「已知信息」喂给模型
df["lag_1"] = df["Close"].shift(1)  # 昨天收盘价
df["lag_2"] = df["Close"].shift(2)  # 前天收盘价
df["lag_3"] = df["Close"].shift(3)  # 大前天收盘价

# rolling 和 shift 会在开头产生 NaN，训练前需要丢弃
df = df.dropna()

易错点提醒：rolling 和 shift 都会在序列开头产生空值（NaN），如果不处理，模型训练时会直接报错，所以最后一定要 dropna()。

3. 模型训练

这里尝试了多种算法：

• • 线性回归（Linear Regression）
• • 随机森林（Random Forest）
• • XGBoost

作者没有想当然地认为「越复杂越好」，而是用同一套流水线公平地评估每个模型，指标包括：

• • MAE（平均绝对误差）
• • RMSE（均方根误差）
• • R² Score（决定系数）

一个反直觉的结论：树模型并没有稳定地打败线性回归，在好几组实验里，反而是更简单的线性回归在没见过的数据上泛化得更好。

这提醒我们：在噪声常常盖过信号的金融时间序列里，更复杂，并不自动意味着更准确。

下面是一个「用同一套流程对比多个模型」的思路示例：

from sklearn.linear_model import LinearRegression
from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import mean_absolute_error, mean_squared_error, r2_score
import numpy as np

# 待对比的模型放进字典，方便统一循环评估
models = {
    "线性回归": LinearRegression(),
    "随机森林": RandomForestRegressor(n_estimators=100, random_state=42),
}

for name, model in models.items():
    model.fit(X_train, y_train)          # 在训练集上拟合
    y_pred = model.predict(X_test)       # 在测试集上预测

    mae = mean_absolute_error(y_test, y_pred)
    rmse = np.sqrt(mean_squared_error(y_test, y_pred))
    r2 = r2_score(y_test, y_pred)

    # 用同样的指标横向对比，避免「凭感觉」选模型
    print(f"{name} -> MAE: {mae:.4f}, RMSE: {rmse:.4f}, R2: {r2:.4f}")

4. 情感分析

市场不只被历史价格驱动，新闻也在起作用。为了捕捉这部分信息，系统加了一条情感分析流水线，它会：

• • 采集最近的金融新闻标题
• • 清洗文本
• • 用 VADER 对每条标题打分
• • 汇总整体情绪

最终界面会展示：正面标题、负面标题、中性标题、平均情感分数，以及整体市场情绪。

这里有个很重要的设计决策：情感分数并没有被喂进预测模型，而是和预测结果并排展示，让用户自己独立解读两部分信息。把这两个组件解耦，反而让系统更容易理解和评估。

VADER 是一个针对社交媒体、新闻等短文本设计的规则型情感分析工具，用起来非常轻量：

from nltk.sentiment import SentimentIntensityAnalyzer

analyzer = SentimentIntensityAnalyzer()

headlines = [
    "Company beats earnings expectations",  # 偏正面
    "Stock plunges amid market fears",      # 偏负面
]

for text in headlines:
    scores = analyzer.polarity_scores(text)
    # compound 是归一化后的综合分数，范围 [-1, 1]
    print(text, "->", scores["compound"])

三、用 FastAPI 把模型「用起来」

模型只有被别的应用调用，才真正有价值。所以最后用 FastAPI 搭了一个后端，接口接收一个股票代码，就自动跑完整条流程：

代码 → 下载数据 → 特征工程 → 预测 → 采集新闻 → 情感分析 → 返回 JSON

一个典型的返回结果长这样：

{
  "ticker": "AAPL",
  "current_price": 272.40,
  "predicted_price": 274.15,
  "predicted_return": 0.64,
  "overall_sentiment": "Positive"
}

因为一切都自动化了，想支持另一只股票，只需要换个代码符号即可。

一个最小可用的 FastAPI 接口大概是这样：

from fastapi import FastAPI

app = FastAPI()

# 定义一个接口，路径参数为股票代码 ticker
@app.get("/predict/{ticker}")
def predict(ticker: str):
    # 这里依次调用：下载数据 -> 特征工程 -> 模型预测 -> 新闻情感
    result = run_pipeline(ticker)  # 假设已封装好整条流水线
    return {
        "ticker": ticker,
        "current_price": result["current_price"],
        "predicted_price": result["predicted_price"],
        "predicted_return": result["predicted_return"],
        "overall_sentiment": result["sentiment"],
    }

四、路上踩过的坑

搭这套流水线，绝不只是「训练个模型」那么简单，开发中冒出了不少工程问题。

1. 动态数据

一开始系统用的是写死的日期区间，很快就出问题了——预测结果会过期。解决办法是让流水线每次运行时都自动下载最新可用数据。

2. 时间序列验证

和普通机器学习数据集不同，股价数据不能随机打乱。如果拿未来的数据训练、拿过去的数据测试，会得到虚高的、不真实的性能。所以训练集和测试集的划分必须保持时间先后顺序，这是普通机器学习和金融预测之间最重要的区别之一。

3. 特征泄漏（Feature Leakage）

金融预测特别容易在不知不觉中把「未来信息」漏进训练过程。每一个特征都必须小心构造，确保做预测的那一刻，只用到了历史上真实可得的信息。避免泄漏，往往比选一个高级模型更重要。

这里补充一个新手最常踩的坑：用 scikit-learn 做标准化时，如果先对全量数据 fit 再切分训练测试集，测试集的统计信息就会「泄漏」到训练里。正确做法是只在训练集上 fit：

from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()

# 正确：只在训练集上学习均值和方差
X_train_scaled = scaler.fit_transform(X_train)

# 测试集只做 transform，绝不 fit，避免未来信息泄漏
X_test_scaled = scaler.transform(X_test)

五、我真正学到了什么

这个项目教会我的，远不止「怎么训练一个回归模型」，而是如何构建一套完整的机器学习系统，包括数据采集、清洗流水线、特征工程、模型评估、后端接口、项目组织、自动化等等。

更重要的一课是：成功的机器学习项目，很少是靠找到某个「神奇算法」。大部分工作，其实发生在模型训练之前——好的数据流水线、可复现的工作流、严谨的验证、用心的特征工程，通常比「换个算法」重要得多。

如果你想继续深挖，还有很多可以扩展的方向：引入宏观经济指标、加入 RSI 和 MACD 等技术指标、尝试 LSTM 或 Transformer 模型、做前向滚动验证（walk-forward validation）、超参数优化、模型版本管理、云端部署、实时预测面板等。

总结

那么，AI 到底能不能预测股价？

答案是：能，但有重要的前提和限制。

AI 可以从历史数据里识别模式，有时也能给出还算合理的短期预测。但金融市场受无数不可预测因素影响，「完美预测」是不可能的。任何声称能稳定精准预测市场的人，都值得你保持健康的怀疑。

对学习 Python 和量化的人来说，这个项目最大的价值，不是那个预测数字本身，而是搭建它的整个过程：你会真切体会到，一个看似简单的预测背后，藏着多少数据工程和软件工程的功夫。有时候，一个机器学习项目最宝贵的产出，不是预测结果，而是你在搭建它的过程中学到的一切。

在量化金融里，理解你模型的局限，和构建模型本身一样重要。

参考文章

1. 1. Can AI Predict Stock Prices? Here’s What Happened When I Built One：https://medium.com/datadriveninvestor/can-ai-predict-stock-prices-heres-what-happened-when-i-built-one-2b2e9f9edc3c

财经数据与量化投研知识社区

2026年全面升级已落地！【数据科学实战】知识星球核心权益如下：

1. 1. 双典系统赋能：获赠《财经数据宝典》与《量化投研宝典》完整文档，凝练多年实战经验，构建系统化知识框架；
2. 2. 量化因子日更教程（2026重磅新增）：每日更新「量化因子专题教程」，配套完整可运行代码与实战案例，深度拆解因子构建、回测与优化全流程；
3. 3. 量化文章专题教程库：500+篇星球独有高质量教程式文章，系统覆盖策略开发、因子研究、风险管理等核心领域，内容基本每日更新，并配套精选学习资料与实战参考；
4. 4. 量化投研实战课程：赠送《AKQuant-入门及实战》《PyBroker-入门及实战》视频课程，手把手教学，快速掌握量化策略开发技能；
5. 5. 财经数据支持：定期更新国内外财经数据，为策略研发提供精准、可靠的数据基础；
6. 6. 顶尖学者与行业专家分享：年度邀请学术界博士与业界资深专家开展前沿论文精讲与实战案例分享，不少于4场，直击研究前沿与产业实践；
   专家直连答疑：与核心开发者及领域专家实时互动，高效解决投研实战难题；
7. 7. 专业社群与专属福利：加入高质量交流社群，获取课程折扣及更多独家资源。

星球已沉淀丰富内容生态——涵盖量化文章专题教程库、因子日更系列、高频数据集、PyBroker实战课程、专家深度分享与实时答疑服务。无论您是初探量化的学习者，还是深耕领域的从业者，这里都是助您少走弯路、高效成长的理想平台。诚邀加入，共探数据驱动的投资未来！

好文推荐