直接堆lstm+attention易失效，因股票多变量时序具强非平稳性、滞后关系不一致、噪声高；需先做特征对齐与尺度归一化，再经timedistributed融合后输入自定义缩放点积attention。
为什么直接堆LSTM + Attention 容易预测失效
因为股票多变量时序数据存在强非平稳性、变量间滞后关系不一致、噪声占比高三个硬伤。直接把 Open、Volume、MACD 等 10+ 列一起喂给 LSTM，模型大概率学的是变量间的虚假相关，尤其当某列（比如 Volume）量纲比价格大 3 个数量级时，梯度更新会严重偏向它。必须先做特征对齐和尺度归一化，否则 Attention 权重根本不可信。
如何让 Attention 真正关注“有用的时间步”而非“数值大的变量”
关键在输入层设计：不能把原始多变量拼成一个 (batch, seq_len, n_features) 张量就完事。推荐两步处理：
- 对每个变量单独做 MinMaxScaler（
feature_range=(0, 1)），保存每列的scaler_min_和scaler_scale_—— 后续反变换必须用对应列的参数 - 在 LSTM 层后接
MultiHeadAttention前，先用TimeDistributed(Dense(64))对每个时间步做特征融合（不是简单 flatten），再进 Attention。这样 Attention 计算的是“融合后的时间步表征”，而非原始变量值 - 避免用
tf.keras.layers.Attention（它默认做query-key点积，对未归一化输入极度敏感），改用自定义tf.keras.layers.Layer实现带缩放的点积注意力，并在call中手动除以sqrt(d_k)
训练时 batch_size 和 sequence_length 怎么设才不崩
股票分钟级数据容易因 batch 内波动差异大导致梯度爆炸；日线数据则常因 sequence_length 过长（>60）引发显存溢出或梯度消失。实测有效的组合：
-
sequence_length = 30（覆盖约 1.5 个月交易日，避开季节性干扰） -
batch_size = 16（GPU 显存 - 必须开启
tf.keras.callbacks.EarlyStopping(patience=7, restore_best_weights=True)—— 多变量 LSTM 极易过拟合，第 12 轮 loss 下降常是噪声拟合 - 验证集必须按时间严格切分（如训练用 2018–2021，验证用 2022，测试用 2023），禁止 shuffle
预测结果怎么反变换才不跑偏
多变量反变换最容易错在：用同一套 scaler 反所有列，或忘记 target 列（如 Close）在输入中是滞后一位的。正确流程：
- 假设模型输出是
y_pred形状为(batch, 1)，对应的是第t+1时刻的Close标准化值 - 取出训练时保存的
close_scaler（仅针对Close列训练的 scaler），调用close_scaler.inverse_transform(y_pred.reshape(-1, 1)) - 绝对不要用
inverse_transform处理整个模型输出张量 —— 其他列没被预测，反变换无意义 - 如果部署时需实时预测，
close_scaler必须序列化为pkl或joblib文件，不能依赖训练脚本里的临时对象
Attention 权重本身不解决过拟合，它只是把模型“注意力”可视化出来；真正决定效果的是特征工程是否对齐业务逻辑（比如是否把涨跌停标记为独立类别变量）、以及验证方式是否符合金融时序的不可逆性。上线前务必用滚动窗口回测，而不是单次 train/test 划分。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
