特征工程与防泄漏
你将能定义决策时刻、特征窗口和标签区间，构造 PIT 面板数据，并确保缺失值填充、标准化和特征选择只在训练期拟合。
树模型横截面选股
你将能解释树、随机森林和 GBDT 的偏差—方差差异，按时间训练模型，并把预测排序转换为成本后的 OOS 组合。
交叉验证与 Purged K-Fold
你将能用标签起止区间判断重叠，分别实现普通随机 KFold 与连续 Purged K-Fold，并解释 purge 和 embargo 解决的不是同一个问题。
模型评估与特征重要性
你将能报告 IC 时序、衰减和成本后组合表现，正确执行分组置换重要性，并判断信号是否稳定到足以部署。
过拟合与 Deflated Sharpe
你将能解释选择偏差为何抬高冠军夏普，记录真实试验次数，并区分 Probabilistic Sharpe、Deflated Sharpe 与最终独立样本检验。