@Ri1zob 这个问题问得很关键，我简单分两点说一下自己的体会，供参考。
一、关于“数据是否清洗干净”怎么判断
我个人的经验是：不太会去追求“一次性把数据洗得很完美”，而是用结果反推数据问题。常用的几个检查点包括：
1）IC/RankIC 是否长期稳定、有显著偏正；
2）IC 分布是否近似对称、是否存在明显厚尾/异常尖峰；
3）策略收益是否过度依赖极少数交易日或个股。
如果这些都比较正常，一般说明数据层面没有明显系统性问题。即便使用官方数据，不同 label、窗口、过滤规则下，效果差异也会很大，这一点很常见。
二、LightGBM里树结构和L1/L2的重要性
在截面因子场景下，我的体感是：树结构相关参数更重要：max_depth / num_leaves / min_data_in_leaf。L1/L2（lambda_l1 / lambda_l2）更多是抑制噪声和极端权重，属于“微调项”。如果树结构没约束好，单纯调大 L1/L2 很难救回泛化能力。所以我的顺序一般是：先定树结构，再调learning rate，最后才是 L1/L2。
2026-01-25
雪球
