第19章：统计学习在定价中的应用：线性回归、岭回归、Lasso在价差预测中的应用

做市商的核心工作是什么？说白了，就是预测价差。

你报出的买价和卖价之间的那点差距，就是你的利润来源。但价差不是拍脑袋定的，它受波动率、订单流、库存风险等多种因素影响。我做了这么多年交易，发现一个规律：能用统计模型解决的问题，就别靠直觉。

这一章，我们来聊聊线性回归、岭回归和Lasso这三个经典统计学习方法，怎么用在价差预测上。

19.1 为什么是统计学习？

很多人一听到「机器学习」就兴奋，觉得神经网络才是王道。但说实话，在金融高频场景下，简单模型往往更可靠。

我个人的习惯是：先用线性模型跑一遍，看看效果。如果线性模型能解释80%的价差变化，那何必上复杂模型？

统计学习的优势在于：

• 可解释性强：你能清楚知道每个特征对价差的影响
• 计算速度快：毫秒级出结果，适合实时交易
• 过拟合风险低：正则化方法天然防过拟合

19.2 线性回归：最朴素的价差预测模型

线性回归假设价差与特征之间存在线性关系。公式很简单：

spread = β₀ + β₁·volatility + β₂·order_imbalance + β₃·inventory + ε

其中：

• volatility：最近N笔交易的波动率
• order_imbalance：买卖订单的不平衡度
• inventory：当前库存水平

我在项目中遇到过一个问题：直接用普通最小二乘法（OLS）拟合，结果R²很高，但回测效果很差。为什么？因为特征之间存在多重共线性。

举个例子，波动率和订单不平衡度往往是相关的——波动大的时候，订单不平衡度也高。这会导致系数估计不稳定，今天跑出来的β₁是正数，明天就变成负数了。

19.3 岭回归：解决多重共线性

岭回归在线性回归的基础上，加了一个L2正则化项。它的目标函数是：

min ||y - Xβ||² + λ||β||²

这个λ（lambda）是超参数，控制正则化的强度。λ越大，系数越趋向于0，但不会完全变成0。

岭回归的好处是：即使特征高度相关，它也能给出稳定的系数估计。

我建议你在做价差预测时，优先尝试岭回归。原因有三：

1. 金融数据天生存在多重共线性，岭回归天然适合
2. 它不会把特征完全剔除，保留了所有信息
3. 调参简单，交叉验证就能找到最优λ

19.4 Lasso回归：特征选择利器

Lasso回归用的是L1正则化：

min ||y - Xβ||² + λ||β||₁

和岭回归不同，Lasso会把不重要的特征系数直接压缩到0。这意味着它自带特征选择功能。

你想想看，做市商通常有几十个候选特征——波动率、成交量、买卖价差、深度、订单到达率等等。但真正有用的可能只有三五个。Lasso能帮你自动筛选出最重要的因子。

我记得有一次做BTC永续合约的价差预测，初始特征有20多个。用Lasso跑完后，只剩4个特征有非零系数：

特征	系数	说明
波动率（1分钟）	0.42	波动越大，价差越大
订单不平衡度	0.31	买卖压力越大，价差越大
库存水平	0.18	库存越高，价差越大（风险补偿）
时间因子	-0.09	临近收盘，价差缩小

其他16个特征系数全为0。这说明什么？做市商真正需要关注的，就是这4个核心因子。

19.5 三种模型的对比与选择

说了这么多，到底该用哪个？我整理了一个对比表：

模型	适用场景	优点	缺点
线性回归	特征少、无共线性	简单、可解释性强	对共线性敏感
岭回归	特征多、有共线性	系数稳定、保留所有特征	不能做特征选择
Lasso	特征多、需要筛选	自动特征选择、模型简洁	可能过度压缩

我个人习惯是：先用Lasso做特征筛选，再用岭回归做最终预测。这样既保留了Lasso的特征选择能力，又利用了岭回归的稳定性。

19.6 实战代码示例

下面是一个简单的Python示例，展示如何用这三种模型预测价差：

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression, Ridge, Lasso
from sklearn.model_selection import cross_val_score

# 假设我们有历史数据
# features: volatility, order_imbalance, inventory, time_factor
# target: spread

X = np.random.randn(1000, 4)  # 1000个样本，4个特征
y = 0.5 * X[:, 0] + 0.3 * X[:, 1] + 0.2 * X[:, 2] - 0.1 * X[:, 3] + np.random.randn(1000) * 0.1

# 线性回归
lr = LinearRegression()
lr_scores = cross_val_score(lr, X, y, cv=5, scoring='neg_mean_squared_error')
print(f"线性回归 MSE: {-lr_scores.mean():.4f}")

# 岭回归
ridge = Ridge(alpha=1.0)
ridge_scores = cross_val_score(ridge, X, y, cv=5, scoring='neg_mean_squared_error')
print(f"岭回归 MSE: {-ridge_scores.mean():.4f}")

# Lasso
lasso = Lasso(alpha=0.01)
lasso_scores = cross_val_score(lasso, X, y, cv=5, scoring='neg_mean_squared_error')
print(f"Lasso MSE: {-lasso_scores.mean():.4f}")

# 查看Lasso选中的特征
lasso.fit(X, y)
print(f"Lasso系数: {lasso.coef_}")

19.7 知识体系图

下面这张图展示了本章的核心逻辑：

19.8 总结

统计学习在价差预测中，不是花架子，是真能赚钱的工具。

线性回归给你一个基准，岭回归帮你稳定系数，Lasso帮你筛选特征。三者配合使用，基本能覆盖大部分做市场景。

最后提醒一句：模型再漂亮，也要回测验证。我见过太多人在回测里赚得盆满钵满，实盘一跑就崩。原因往往是——数据泄露、未来函数、或者过拟合。

嗯，这一章就到这里。记住：简单模型，用好了就是利器。

---