企业官网建设流程全解析

1. 项目概述：从一道赛题到一套完整的数据分析实战

去年带学生参加电工杯，B题“光伏建筑一体化板块指数发展趋势分析及预测”给我留下了挺深的印象。这题目乍一看是数学建模，但内核其实是一个典型的时间序列分析与行业研究结合的实战项目。它要求参赛者不仅要会建模型、写代码，更要对光伏建筑一体化（BIPV）这个细分领域有基本的认知，能从一堆看似枯燥的指数数据里，挖出行业发展的脉络和未来的可能性。很多新手团队一开始容易懵，要么沉迷于复杂的算法炫技，要么对行业背景一知半解导致分析浮于表面。今天，我就以这道赛题为蓝本，结合我们当时的解题思路和后续的一些思考，拆解一下如何系统性地完成这样一份“发展趋势分析及预测”报告。无论你是为了备战数模竞赛，还是想学习如何对一个新兴行业板块进行量化分析，这篇文章都能提供一套可直接复现的方法论和实操细节。

光伏建筑一体化，简单说就是把太阳能发电产品集成到建筑外墙、屋顶、窗户等部位，让建筑本身成为一个发电站。这道题的核心数据——“板块指数”，就是反映一系列相关上市公司股价整体表现的一个综合指标，其走势隐含了市场对BIPV行业未来预期的共识。因此，我们的任务就非常明确了：第一，读懂历史指数数据，分析其发展趋势（比如，是持续增长、周期性波动还是存在结构性变化）；第二，建立可靠的数学模型，对未来一段时间的指数走势进行预测；第三，将数据分析结果与行业实际结合，给出有洞察力的解读。整个过程涉及数据预处理、特征工程、模型选择、参数调优、结果评估和报告撰写等多个环节，是一个完整的数据科学项目流程。

2. 解题核心思路与整体设计

面对这类问题，一个清晰的、结构化的分析框架比急于动手跑模型更重要。我们的整体思路可以概括为“描述-解释-预测-归因”四步走。

2.1 问题拆解与目标定义

首先，必须把赛题笼统的要求转化为具体、可执行的分析目标。题目中的“发展趋势分析”和“预测”是两层意思：

1. 趋势分析（Descriptive & Diagnostic Analysis）：这是“回头看”。需要运用统计方法和可视化工具，刻画历史指数序列的基本特征。这不仅仅是画个折线图说“它涨了”或“它跌了”，而是要深入回答：趋势是线性的还是非线性的？是否存在明显的季节性（例如，受政策年报季、行业展会周期影响）或周期性波动？序列的波动性（方差）是否随时间变化？有没有存在结构性断点（比如某项重大政策出台前后，增长轨迹发生了根本改变）？这些分析构成了预测的基石，也决定了后续该选用哪一类模型。
2. 指数预测（Predictive Analysis）：这是“向前看”。基于历史数据和已识别的模式，构建时间序列预测模型，对未来特定时段（如未来半年、一年）的指数点位进行估计，并最好能给出预测区间（置信区间），以量化预测的不确定性。

2.2 技术路线图设计

基于上述目标，我们设计了如下技术路线，这张路线图确保了分析的逻辑性和完整性：

• 第一阶段：数据基础处理。获取并清洗指数数据（日度、周度或月度），处理缺失值、异常值，进行必要的平稳性检验（如ADF检验）。
• 第二阶段：深度趋势解析。运用多种方法多角度刻画趋势，包括：① 可视化分析（时序图、滚动统计量图）；② 统计分解（使用STL或经典分解法，将序列拆分为趋势项、季节项和残差项）；③ 统计检验（检验平稳性、自相关性）。
• 第三阶段：预测模型构建与比选。这是核心环节。我们计划同时搭建几个不同哲学基础的模型进行对比：
  • 经典时序模型：如ARIMA（自回归积分滑动平均）及其季节性变体SARIMA。这类模型基于序列自身的过去值和误差项进行预测，适用于具有明显自相关性的平稳序列。
  • 机器学习模型：如LightGBM、XGBoost等梯度提升树模型。这类模型不要求序列平稳，可以方便地引入外部特征（如宏观经济指标、行业政策虚拟变量、其他相关板块指数等），捕捉复杂的非线性关系。
  • 深度学习模型：如LSTM（长短期记忆网络）。这类模型特别擅长处理长序列依赖关系，能记忆长期的历史模式，对于波动复杂的时序数据有潜力。
• 第四阶段：模型评估与综合预测。使用历史数据的一部分作为测试集，用RMSE（均方根误差）、MAE（平均绝对误差）等指标客观评估各模型性能。不迷信单一模型，可采用模型集成（如加权平均）的方式生成最终预测结果，并计算预测区间。
• 第五阶段：行业洞察与报告撰写。将冰冷的预测数字与行业热点（如“双碳”目标推进、绿色建筑补贴政策、新型光伏材料技术突破等）结合，解释趋势背后的驱动因素，使报告有血有肉。

注意：在实际竞赛中，受限于数据可得性和时间，外部特征的引入可能比较困难。此时，重点应放在对纯指数序列的深度挖掘上，把经典时序模型（ARIMA）和机器学习/深度学习模型（仅用时间特征和滞后特征）的对比做扎实，同样能体现工作量和技术深度。

3. 数据获取、预处理与探索性分析

巧妇难为无米之炊，高质量的数据是分析的起点。

3.1 数据来源与初步处理

对于BIPV板块指数，通常可以从金融数据终端（如Wind、同花顺iFinD）或开源财经API（如akshare，一个基于Python的库）获取。我们当时使用了akshare，因为它免费且方便集成到Python分析流程中。获取的数据字段至少应包含日期和收盘指数。

拿到原始数据后，第一步是“清洗”：

• 缺失值处理：检查是否存在交易日但指数数据缺失的情况。对于少数缺失，可以用前向填充（用前一天的数据）或插值法补充。如果缺失较多，需要审视数据源可靠性。
• 异常值检测：由于股市有涨跌停限制，单纯的指数值异常较少，但需警惕因数据错误导致的“毛刺”。可以通过计算滚动均值加减3倍标准差来识别，或观察日涨跌幅是否超过合理范围（如±10%）。对于确认为错误的点，予以修正或剔除。
• 格式转换：确保日期列被正确解析为datetime格式，并将指数列转换为数值型。

# 示例：使用akshare获取板块指数数据（以同花顺BIPV概念板块为例，代码需根据实际情况调整） import akshare as ak import pandas as pd # 假设板块代码为 ‘885937’ (此处为示例，实际代码需查询) # df = ak.stock_board_concept_hist_em(symbol="BIPV", start_date="20190101", end_date="20211231") # 由于akshare接口可能变动，更通用的做法是获取股票池后自己计算，或使用其他稳定接口 # 这里展示一个数据清洗的框架 def clean_index_data(df): # 确保日期格式 df['date'] = pd.to_datetime(df['date']) df.set_index('date', inplace=True) # 按日期排序 df.sort_index(inplace=True) # 处理缺失值（如果有） df['close'].fillna(method='ffill', inplace=True) # 前向填充 # 重采样（如果需要统一为周线或月线） # df_weekly = df['close'].resample('W').last() # 周线，取每周最后一天 return df # 假设df是已经读取的包含‘date’和‘close’两列的DataFrame # df_clean = clean_index_data(df)

3.2 探索性分析与可视化

清洗后的数据，要通过可视化手段形成初步认知。关键图表包括：

1. 原始序列时序图：直接观察指数走势，对整体趋势、波动、可能的周期和异常点有个直观感受。
2. 滚动统计量图：计算滚动均值（如60日移动平均）和滚动标准差。滚动均值线可以平滑短期波动，更清晰地显示长期趋势。滚动标准差图可以观察波动率是否稳定（例如，是否在某个事件后波动急剧放大，即存在“波动率聚集”现象）。
3. 分布与自相关图：绘制指数收益率的直方图与Q-Q图，检验其是否服从正态分布（通常金融时间序列不服从，具有尖峰厚尾特征）。绘制自相关函数（ACF）和偏自相关函数（PACF）图，这是为后续选择ARIMA模型参数（p, d, q）提供关键依据。

import matplotlib.pyplot as plt import seaborn as sns from statsmodels.graphics.tsaplots import plot_acf, plot_pacf def exploratory_plots(series, window=60): fig, axes = plt.subplots(3, 2, figsize=(15, 12)) # 1. 原始序列 axes[0, 0].plot(series.index, series.values) axes[0, 0].set_title('Raw Index Series') axes[0, 0].set_xlabel('Date') axes[0, 0].set_ylabel('Index') # 2. 滚动均值与标准差 rolling_mean = series.rolling(window=window).mean() rolling_std = series.rolling(window=window).std() axes[0, 1].plot(series.index, series.values, label='Original', alpha=0.5) axes[0, 1].plot(rolling_mean.index, rolling_mean.values, label=f'{window}-Day Rolling Mean', color='red') axes[0, 1].set_title(f'Rolling Mean & Std (Window={window})') axes[0, 1].legend() ax_twin = axes[0, 1].twinx() ax_twin.plot(rolling_std.index, rolling_std.values, label=f'{window}-Day Rolling Std', color='green', alpha=0.7) ax_twin.set_ylabel('Rolling Std Dev') ax_twin.legend(loc='upper right') # 3. 收益率序列（通常分析对数收益率） returns = np.log(series / series.shift(1)).dropna() axes[1, 0].plot(returns.index, returns.values) axes[1, 0].set_title('Daily Log Returns') axes[1, 0].axhline(y=0, color='r', linestyle='--', alpha=0.5) # 4. 收益率分布 axes[1, 1].hist(returns.values, bins=50, edgecolor='black', alpha=0.7, density=True) sns.kdeplot(returns.values, ax=axes[1, 1], color='red') axes[1, 1].set_title('Distribution of Returns') # 5. ACF and PACF of returns (or original series after differencing if non-stationary) plot_acf(returns.dropna(), lags=40, ax=axes[2, 0]) axes[2, 0].set_title('Autocorrelation Function (ACF)') plot_pacf(returns.dropna(), lags=40, ax=axes[2, 1]) axes[2, 1].set_title('Partial Autocorrelation Function (PACF)') plt.tight_layout() plt.show() # 对清洗后的指数序列进行探索 # exploratory_plots(df_clean['close'])

通过这一步，我们就能回答趋势分析中的很多基础问题。例如，从滚动均值线看，BIPV指数在2020年中之后是否呈现加速上升趋势？滚动标准差是否在某个时期（如政策发布期）明显放大？收益率序列的ACF/PACF图是否显示短期自相关性？这些观察都将直接指导下一步的模型选择。

4. 预测模型构建：从经典统计到机器学习

探索性分析之后，我们对数据特性有了了解，接下来就是构建预测模型。我们采用多模型竞技的策略。

4.1 经典时间序列模型：ARIMA/SARIMA

ARIMA模型是时序预测的基准方法。其建模流程非常标准化：

1. 平稳性检验与差分：使用ADF检验判断原序列是否平稳。若不平稳，则进行差分运算（d阶），直到序列平稳。对于BIPV指数，通常一阶差分（即计算日收益率）即可平稳。
2. 确定模型阶数：对平稳化后的序列，观察其ACF和PACF图，初步判断自回归阶数p和移动平均阶数q。更常用的方法是网格搜索配合信息准则（如AIC、BIC），自动寻找最优的(p,d,q)组合。
3. 模型拟合与诊断：用选定的参数拟合ARIMA模型。然后必须进行残差诊断：残差序列应该是白噪声（均值为0、无自相关、正态分布）。可以通过残差ACF图、Ljung-Box检验和Q-Q图来验证。如果残差不是白噪声，说明模型未能完全捕捉数据中的信息，需要重新调整阶数。
4. 季节性扩展：如果数据存在季节性（例如，月度数据可能显示年度周期），则使用SARIMA模型，它额外包含了季节性部分的(P, D, Q, S)参数。

from statsmodels.tsa.stattools import adfuller from statsmodels.tsa.arima.model import ARIMA import itertools import warnings warnings.filterwarnings('ignore') def arima_modeling(series, test_size=0.2): # 划分训练集和测试集 split_idx = int(len(series) * (1 - test_size)) train, test = series[:split_idx], series[split_idx:] # 1. 平稳性检验 (以原始序列为例) result = adfuller(train.dropna()) print(f'ADF Statistic: {result[0]:.4f}') print(f'p-value: {result[1]:.4f}') if result[1] > 0.05: print("Series is non-stationary. Differencing needed.") # 通常进行一阶差分 train_diff = train.diff().dropna() else: print("Series is stationary.") train_diff = train # 2. 网格搜索寻找最优 (p,d,q) - 这里d取1（假设一阶差分后平稳） p = d = q = range(0, 4) # 搜索范围，可根据ACF/PACF缩小 best_aic = float('inf') best_order = None # 注意：这是一个计算量较大的步骤，实际中可以用更智能的方法（如auto_arima） for order in itertools.product(p, [1], q): # 固定d=1 try: model = ARIMA(train, order=order) results = model.fit() if results.aic < best_aic: best_aic = results.aic best_order = order except: continue print(f'Best ARIMA order: {best_order} with AIC: {best_aic:.2f}') # 3. 用最优阶数拟合最终模型 final_model = ARIMA(train, order=best_order) final_results = final_model.fit() print(final_results.summary()) # 4. 残差诊断（可视化） residuals = final_results.resid fig, axes = plt.subplots(1, 2, figsize=(12,4)) axes[0].plot(residuals) axes[0].set_title('Residuals over Time') plot_acf(residuals.dropna(), lags=40, ax=axes[1]) axes[1].set_title('ACF of Residuals') plt.tight_layout() plt.show() # 5. 预测 forecast_obj = final_results.get_forecast(steps=len(test)) forecast = forecast_obj.predicted_mean conf_int = forecast_obj.conf_int() # 绘制预测结果对比 plt.figure(figsize=(10,6)) plt.plot(train.index, train.values, label='Train') plt.plot(test.index, test.values, label='Test', color='gray') plt.plot(forecast.index, forecast.values, label='ARIMA Forecast', color='red') plt.fill_between(conf_int.index, conf_int.iloc[:,0], conf_int.iloc[:,1], color='pink', alpha=0.3) plt.legend() plt.title('ARIMA Model Forecast vs Actual') plt.show() return final_results, forecast, test # 注意：实际应用中，对于非平稳序列，更常见的做法是直接对序列建模，让ARIMA模型内部的差分参数(d)来处理。 # 可以使用 pmdarima 库的 auto_arima 函数自动完成差分、阶数选择和季节性检测，效率更高。

4.2 机器学习模型：以LightGBM为例

与ARIMA只利用序列自身历史值不同，机器学习模型允许我们构建丰富的特征。即使在没有外部数据的情况下，我们也可以从时间戳中创造特征。

• 特征工程：
  • 滞后特征：这是最重要的特征。创建指数前1天、前5天、前10天、前20天等的滞后值（lag_1,lag_5, ...）。
  • 滚动统计特征：计算过去N个窗口的滚动均值、标准差、最大值、最小值（如rolling_mean_7,rolling_std_30），用来描述近期趋势和波动。
  • 时间特征：从日期中提取年份、月份、季度、星期几、一年中的第几天等，以捕捉可能的季节性。
  • 趋势特征：如距离序列起点的天数，或一个简单的线性趋势项。
• 模型训练：将问题转化为监督学习问题。每一行数据对应一个目标值（当天的指数）和一系列特征（基于过去信息构造的特征）。使用训练集训练LightGBM回归模型。
• 预测：进行多步预测时，需要采用递归策略（Recursive Strategy）。即用模型预测出t+1期后，将这个预测值作为已知值，用于构造t+2期的滞后特征，如此循环。

import lightgbm as lgb from sklearn.metrics import mean_squared_error, mean_absolute_error def create_features(df, target_col, max_lag=30, rolling_windows=[7, 30]): """ 为时序数据创建特征 """ df = df.copy() # 滞后特征 for lag in range(1, max_lag+1): df[f'lag_{lag}'] = df[target_col].shift(lag) # 滚动统计特征 for window in rolling_windows: df[f'rolling_mean_{window}'] = df[target_col].rolling(window=window, min_periods=1).mean().shift(1) df[f'rolling_std_{window}'] = df[target_col].rolling(window=window, min_periods=1).std().shift(1) df[f'rolling_max_{window}'] = df[target_col].rolling(window=window, min_periods=1).max().shift(1) df[f'rolling_min_{window}'] = df[target_col].rolling(window=window, min_periods=1).min().shift(1) # 时间特征 df['year'] = df.index.year df['month'] = df.index.month df['day_of_week'] = df.index.dayofweek df['day_of_year'] = df.index.dayofyear df['quarter'] = df.index.quarter # 趋势特征 df['time_idx'] = range(len(df)) df.dropna(inplace=True) # 由于创建滞后特征，前几行会变成NaN return df def lightgbm_forecast(df, target_col, test_size=0.2, forecast_horizon=30): # 创建特征 df_feat = create_features(df[[target_col]], target_col) # 划分特征X和目标y feature_cols = [col for col in df_feat.columns if col != target_col] X = df_feat[feature_cols] y = df_feat[target_col] # 按时间划分训练集和测试集（不能随机打乱！） split_idx = int(len(X) * (1 - test_size)) X_train, X_test = X.iloc[:split_idx], X.iloc[split_idx:] y_train, y_test = y.iloc[:split_idx], y.iloc[split_idx:] # 训练LightGBM模型 model = lgb.LGBMRegressor( n_estimators=500, learning_rate=0.05, num_leaves=31, random_state=42 ) model.fit(X_train, y_train, eval_set=[(X_test, y_test)], callbacks=[lgb.early_stopping(50), lgb.log_evaluation(0)]) # 在测试集上评估 y_pred_test = model.predict(X_test) rmse = np.sqrt(mean_squared_error(y_test, y_pred_test)) mae = mean_absolute_error(y_test, y_pred_test) print(f'Test RMSE: {rmse:.4f}') print(f'Test MAE: {mae:.4f}') # 可视化测试集拟合效果 plt.figure(figsize=(12,6)) plt.plot(y_test.index, y_test.values, label='Actual Test', alpha=0.7) plt.plot(y_test.index, y_pred_test, label='LightGBM Predictions', alpha=0.9) plt.legend() plt.title('LightGBM Model: In-Sample Test Performance') plt.show() # 进行多步预测（递归预测） last_known_data = df_feat.iloc[-1:].copy() future_predictions = [] for i in range(forecast_horizon): # 使用最新数据（包括上一次的预测值）生成特征 if i > 0: # 更新目标值为上一次的预测值 last_known_data[target_col] = future_predictions[-1] # 重新计算所有基于该目标值的特征（这是一个简化示例，实际需要更严谨地更新所有滞后和滚动特征） # 更稳健的做法是每次循环都基于完整的更新后的序列重新调用 create_features，但效率低。 # 这里为演示，我们只更新最关键的滞后1特征。 last_known_data['lag_1'] = last_known_data[target_col].shift(1).fillna(df_feat[target_col].iloc[-1]) # 注意：滚动特征也需要更新，此处省略复杂逻辑，实际项目需仔细处理。 # 预测下一步 next_pred = model.predict(last_known_data[feature_cols])[0] future_predictions.append(next_pred) return model, y_pred_test, future_predictions, rmse, mae

4.3 深度学习模型：LSTM简介

对于更复杂的非线性模式，可以尝试LSTM。其核心是构建一个序列到序列的预测模型。需要将数据整理成样本格式：[样本数, 时间步长, 特征数]。例如，用过去60天的数据（时间步长=60）预测下一天。LSTM对数据标准化非常敏感，通常需要将数据缩放到[0,1]或[-1,1]之间。模型结构通常包括若干LSTM层、Dropout层（防止过拟合）和全连接输出层。训练完成后，同样采用递归方式进行多步预测。

实操心得：在数模竞赛的有限时间内，LSTM的调参（层数、神经元数、dropout率、时间步长）和训练比较耗时。如果ARIMA和LightGBM已经能取得不错的效果，不一定非要上LSTM。但如果数据量足够大（比如日线数据多年），且序列模式非常复杂，LSTM可能有奇效。关键在于构建合理的监督学习数据集和设计有效的网络结构。

5. 模型评估、集成与结果分析

模型建好了，接下来就是“赛马”，选出最靠谱的那个，或者让它们“组团”工作。

5.1 模型评估指标与对比

我们将历史数据按时间顺序划分为训练集和测试集（例如，前80%训练，后20%测试）。在测试集上比较各模型的预测性能。常用指标包括：

• RMSE（均方根误差）：放大较大误差的影响，对异常值敏感，单位与原始数据相同。
• MAE（平均绝对误差）：对所有误差一视同仁，更稳健。
• MAPE（平均绝对百分比误差）：相对误差，便于理解，但当真实值接近0时可能失真。
• 拟合优度：可以看预测值与实际值的散点图与y=x直线的接近程度。

我们通常以RMSE和MAE作为主要评判标准，并绘制测试集上的预测对比图，直观感受哪个模型的预测曲线更贴近实际走势。

5.2 模型集成策略

在竞赛或实际应用中，为了追求更稳定、更鲁棒的预测，我们常常不依赖单一模型，而是进行模型集成。简单有效的方法有：

• 简单平均法：将几个表现较好的模型的预测结果直接取算术平均。
• 加权平均法：根据各模型在验证集上的表现（如RMSE的倒数）分配权重，表现越好权重越高。
• 堆叠法：将初级模型（如ARIMA、LightGBM）的预测结果作为新特征，训练一个次级模型（如线性回归）进行最终预测。这种方法更复杂，但潜力也更大。

在我们的项目中，假设ARIMA和LightGBM表现相当，我们可以采用加权平均。例如，ARIMA的测试集RMSE为R_a，LightGBM的为R_l，则它们的权重可以设为w_a = (1/R_a) / (1/R_a + 1/R_l),w_l = (1/R_l) / (1/R_a + 1/R_l)。最终的集成预测值为w_a * forecast_arima + w_l * forecast_lgb。

5.3 预测结果的可视化与行业解读

得到最终预测值后，需要以专业的方式呈现：

1. 绘制综合预测图：在同一个坐标系中，绘制历史指数曲线、测试集的实际值、各单一模型的预测曲线以及最终集成模型的预测曲线。用不同颜色和线型区分，并添加图例。
2. 添加预测区间：对于ARIMA等统计模型，可以计算出预测值的置信区间（如95%置信区间）。在图上用阴影区域表示，这能直观展示预测的不确定性。对于集成模型，可以通过模拟或经验方法估算区间。
3. 撰写分析结论：这是升华部分。不能只罗列数字和图表，要结合BIPV行业动态进行解读。例如：
   • 趋势归因：历史上涨趋势主要得益于哪几个阶段的政策驱动（如“整县推进”政策）或技术突破？
   • 波动分析：指数在哪些时间段出现大幅回调？可能与大盘环境、行业短期产能过剩预期或某个公司业绩暴雷有关？
   • 预测启示：模型预测未来半年指数呈现“震荡上行”态势。这反映了市场对哪些长期因素的乐观预期？（如“双碳”目标下的长期需求、建筑节能标准的提升）。同时，预测区间较宽，又提示了哪些潜在风险？（如原材料价格波动、行业竞争加剧、政策执行力度不及预期等）。

6. 实战避坑指南与常见问题

在实操中，我们踩过不少坑，也总结了一些让分析更出彩的技巧。

6.1 数据层面的陷阱

• 幸存者偏差：板块指数的成分股会定期调整。现在的指数包含的股票，在过去可能并不在板块内。如果直接使用当前成分股回测历史，会产生偏差。解决方法：尽可能获取到历史存续的、准确的板块指数数据，而不是自己用当前成分股回测。
• 异常值与结构性断点：重大政策发布、行业黑天鹅事件会导致指数跳空或趋势改变。如果简单地将这些点视为异常值剔除，会丢失关键信息。正确的做法是：在模型中引入虚拟变量。例如，在某个政策出台日期之后，设置一个哑变量为1，之前为0，将这个变量作为特征加入机器学习模型，让模型去学习这个结构性变化的影响。
• 数据频率选择：使用日线数据噪音大，但信息丰富；使用周线或月线数据更平滑，趋势更明显，但可能丢失短期动态。根据预测目标（短期交易还是中长期趋势判断）选择合适频率。对于趋势分析，周线或月线可能更合适。

6.2 模型选择与调优的误区

• 过度追求复杂模型：不要一上来就搞LSTM、Transformer。ARIMA永远是一个优秀的基线模型。先跑通一个简单的ARIMA，看看效果，再用更复杂的模型去挑战它。如果ARIMA已经能做到MAE很小，那么复杂模型的提升空间可能有限，需要权衡其带来的复杂度。
• 忽略模型假设：ARIMA要求序列平稳或差分后平稳，且残差为白噪声。如果这些诊断检验没通过，预测结果就不可靠。务必做好平稳性检验和残差诊断。
• 特征工程中的“数据泄露”：在构造机器学习特征时，绝对不能使用未来的信息。例如，计算“当日滚动均值”时，必须使用到昨日为止的数据（.shift(1)）。这是一个极易出错的地方，会导致模型在测试集上表现虚高，而实际预测能力很差。
• 评估方式错误：时间序列数据绝对不能随机划分训练集和测试集，必须按时间顺序划分。要用过去的数据训练，预测未来的数据。交叉验证也需要使用“时间序列交叉验证”，如TimeSeriesSplit。

6.3 让报告脱颖而出的关键点

• 敏感性分析：展示模型的稳健性。例如，改变训练集的时间窗口长度（用最近1年、2年、3年数据分别训练），看预测结果是否发生剧烈变化。如果变化很大，说明模型稳定性欠佳，结论需要谨慎。
• 多情景预测：不要只给出一条预测线。可以结合行业分析，给出“乐观”、“中性”、“悲观”三种情景下的预测。例如，乐观情景对应政策超预期落地，悲观情景对应宏观经济下行压力加大。这能体现思考的全面性。
• 将量化结果与定性分析深度结合：这是区分优秀报告和普通报告的关键。不能只说“模型预测未来上涨”，而要解释“为什么模型会预测上涨？——可能是因为我们在特征中引入了‘绿色贷款余额同比增长率’这个宏观指标，而该指标与指数在训练集上表现出较强的正相关性，且当前该指标处于上行通道。” 这样，你的预测就不再是黑箱，而是有逻辑支撑的推断。

最后想说的是，这道电工杯的B题是一个非常好的数据分析实战模板。它训练的不是某个孤立的算法，而是一套从问题理解、数据获取、探索分析、模型构建、评估优化到结果解读的完整工作流。掌握这套流程，不仅能在数模竞赛中应对自如，更能应用到实际的行业研究、市场分析乃至量化投资工作中去。真正的价值不在于预测得百分之百准确，而在于通过系统性的分析，建立起对行业动态的量化认知框架，并用数据驱动的方式去验证或修正自己的判断。