LSTM时序预测的“特征工程”血泪史——从43%到RMSE下降31%

花了一周搭好LSTM模型，一测准确率43%，跟抛硬币差不多。那一刻我深刻体会到了什么叫“模型在嘲笑你”。

坑1：只有一个特征，模型等于“盲猜”

第一版LSTM，我只用了收盘价做预测。训练完测试，准确率只有43%——比随机猜测的50%还低。

根本原因：

LSTM虽然能捕捉时间序列的依赖关系，但它只能基于你给的数据做模式识别。只给收盘价，它看到的只是价格曲线，根本不知道当前是贵还是便宜。就像让一个分析师只看股价不看估值，他判断不准是正常的。

解决方案：

引入估值特征——PE分位、PB分位。PE/PB分位告诉模型当前价格在历史区间的位置，模型就能判断“目前处于高估还是低估区间”。

 

版本	特征	RMSE	变化
V1.0	仅收盘价	基线	—
V1.1	收盘价 + 涨跌幅 + 成交量	小幅下降	—
V1.2	收盘价 + 涨跌幅 + 成交量 + PE分位 + PB分位	RMSE下降31%	✅ 关键突破

坑2：加了新特征，RMSE从3.39飙升到11.22

看到V1.2效果好，我信心满满地加了更多技术指标——RSI、布林带、MACD。结果RMSE从3.39直接飙到11.22，模型完全崩溃。

根本原因：

新增的特征和原有特征在量纲上差异太大。PE/PB分位在0-1之间，RSI在0-100之间，布林带是价格绝对值，三者混在一起，模型根本不知道怎么权衡。

解决方案：

回退到V1.2，只用那些经过验证的特征。然后逐个新增特征做A/B测试，新增的特征必须通过单独的效果验证才会合入主版本。

代码示意：特征筛选逻辑

python

# 特征组合测试
feature_sets = {
    'v1.2': ['close', 'pct_change', 'volume', 'pe_percentile', 'pb_percentile'],
    'v1.3': ['close', 'pct_change', 'volume', 'pe_percentile', 'pb_percentile', 'rsi'],
    'v1.4': ['close', 'pct_change', 'volume', 'pe_percentile', 'pb_percentile', 'bollinger']
}

for version, features in feature_sets.items():
    rmse = train_and_evaluate(features)
    print(f"{version}: RMSE={rmse}")
    if rmse <= best_rmse * 1.05:  # 允许5%的容忍度
        print(f"✅ {version} 通过验证，可合入")
    else:
        print(f"❌ {version} 效果回退，暂不合入")

踩坑总结：

• 特征不是越多越好。量纲差异大的特征混在一起，模型会“精神分裂”。

• 每次只加一个新特征，验证有效再合入，不要一次性加一堆。

• 回退机制是底线。发现效果回退，立刻回滚到上一个稳定版本，不要恋战。