最常见的机器学习交易流程：
1. 标签构造（Labeling）
预测未来 X 分钟价格涨跌，如：
df["y"] = (df["close"].shift(-10) > df["close"]).astype(int)
2. 特征工程（Features）
常见因子：
移动平均（MA）
RSI
波动率
Orderbook 深度
Buy/Sell Volume Ratio
KAMA、MACD、Bollinger
3. 训练模型
from sklearn.ensemble import RandomForestClassifier
model = RandomForestClassifier(n_estimators=200)
model.fit(X_train, y_train)
4. 输出预测并转成信号
df["pred"] = model.predict_proba(X)[:,1]
df["signal"] = (df["pred"] > 0.55).astype(int)
5. 回测（简单示例）
盈利 = 信号 ×（未来收益）
重点不在预测准确，而在 累计收益、最大回撤、稳定性。