PyTorch LSTM多变量多步预测实战：从数据管线到模型评估的完整源码解析

简介：这份资源面向具备一定深度学习基础、希望用PyTorch实践金融时间序列预测的学习者，聚焦LSTM多变量多步股票预测这一典型任务，帮助读者打通从数据预处理、特征构建到序列到序列建模的完整链路。压缩包共11个文件，约222KB，以Python主程序为核心，辅以xlsx格式的股票数据样本、png结果图以及xml、iml等IDE工程配置，便于直接导入运行与对照调试。资源已有9250人学习下载，热度较高。内容围绕LSTM门控机制、编码器—解码器结构、教师强制策略、MSE/MAE损失与Adam优化、训练验证划分及早停法等知识点展开，并涉及皮尔逊相关系数评估与预测对比图绘制，读者可据此理解多变量多步预测的建模思路与调参方向，同时明确金融市场非线性带来的预测局限。

1. 一份能跑通的 LSTM 多变量多步预测源码，到底解决了什么

股票预测这个方向，网上教程多如牛毛，但真正能跑通、能改参数、能解释清楚每一步在干什么的完整源码包并不多。我见过太多人卡在同一个地方：单变量单步的 LSTM 跑得挺顺，一换成多变量多步就翻车——输入维度对不上、标签窗口切错、归一化在训练集和测试集之间泄漏、预测出来的曲线永远滞后一天。这份基于 PyTorch 的 LSTM 多变量多步预测资源，核心价值不在于“预测准不准”这种玄学问题，而在于它把从原始行情数据到多特征输入、再到未来 N 步输出的完整链路拆开了，每一步都有对应的代码和参数可调。适合已经会写基础 PyTorch 训练循环、想搞清楚时序预测工程细节的从业者，也适合拿它当模板改造成销量预测、负荷预测、传感器趋势预测的同行。下面我按自己拆包复现的顺序，把关键环节和踩过的坑摊开讲。

2. 多变量多步预测的数据管线：从原始行情到模型输入张量

2.1 为什么多变量比单变量难，难在哪

单变量预测只喂收盘价一列，模型输入形状是(batch, seq_len, 1)，输出(batch, 1)或(batch, pred_len)，维度干净。多变量就不一样了：假设你用开盘、最高、最低、收盘、成交量五列，输入变成(batch, seq_len, 5)，模型要学的不只是时间维度的模式，还有特征之间的耦合关系。更麻烦的是多步预测——你要一次性输出未来 5 天或 10 天的值，标签的切法、损失的计算方式、评估指标的定义全都跟着变。

常见做法是把多步预测拆成两种策略：递归预测（predict one, feed back）和直接多输出（direct multi-output）。这份源码走的是直接多输出路线，一次前向传播吐出pred_len个值。选它的理由很实际：递归预测误差会累积，第一步偏一点，后面越滚越歪，调试时很难定位是模型问题还是反馈回路问题；直接多输出虽然对模型容量要求高一些，但训练目标清晰，损失函数直接对着未来 N 步算，排查起来有据可依。

2.2 特征工程与归一化的正确姿势

多变量输入绕不开归一化，但这里有个血泪经验：归一化必须只用训练集拟合，再 transform 到验证集和测试集。我见过不少代码直接在全体数据上fit_transform，回测曲线漂亮得不像话，一上实盘就原形毕露。这份资源的处理逻辑是先用训练集算均值和标准差，保存下来，后续所有集合统一用这组参数变换。

import numpy as np import pandas as pd from sklearn.preprocessing import StandardScaler def build_features(df, feature_cols, target_col, seq_len, pred_len): """ df: 原始 DataFrame，含 OHLCV 等列 feature_cols: 输入特征列名列表 target_col: 预测目标列名（通常是收盘价） seq_len: 回看窗口长度 pred_len: 预测未来步数 """ data = df[feature_cols].values.astype(np.float32) target = df[target_col].values.astype(np.float32).reshape(-1, 1) # 按时间顺序切分，前 70% 训练，后 30% 测试，不做随机打乱 split = int(len(data) * 0.7) train_data, test_data = data[:split], data[split:] train_target, test_target = target[:split], target[split:] # 关键：scaler 只在训练集上 fit feat_scaler = StandardScaler().fit(train_data) target_scaler = StandardScaler().fit(train_target) train_scaled = feat_scaler.transform(train_data) test_scaled = feat_scaler.transform(test_data) train_target_scaled = target_scaler.transform(train_target) test_target_scaled = target_scaler.transform(test_target) def make_windows(feat, tgt): X, y = [], [] for i in range(len(feat) - seq_len - pred_len + 1): X.append(feat[i:i + seq_len]) y.append(tgt[i + seq_len:i + seq_len + pred_len].flatten()) return np.array(X), np.array(y) X_train, y_train = make_windows(train_scaled, train_target_scaled) X_test, y_test = make_windows(test_scaled, test_target_scaled) return X_train, y_train, X_test, y_test, feat_scaler, target_scaler

这段代码有几个参数值得说清楚。seq_len决定模型能看多远的历史，设太小模型学不到趋势，设太大训练慢且容易过拟合，日线数据一般从 20 到 60 之间试。pred_len是你要预测的未来天数，设 5 就是一次输出未来一周。make_windows里标签的切片是tgt[i + seq_len : i + seq_len + pred_len]，意思是“用第 i 到 i+seq_len-1 步的输入，预测紧接着的 pred_len 步”，这个偏移量错一位，整个训练就白做。另外注意flatten()，把(pred_len, 1)压成(pred_len,)，方便后面和模型输出对齐。

提示：切分必须按时间顺序，绝对不能train_test_split(shuffle=True)。时序数据一打乱，未来信息泄漏到训练集，回测指标会好得离谱，但没有任何参考价值。

2.3 Dataset 与 DataLoader 的封装细节

窗口切好之后要包成 PyTorch 的 Dataset，这一步本身不难，但有几个细节容易埋雷。比如张量类型必须是float32，用默认的float64会在训练时报类型不匹配；再比如__getitem__返回的 y 形状要和模型输出严格一致，差一个维度就会在算 loss 时广播出诡异的结果。

import torch from torch.utils.data import Dataset, DataLoader class StockWindowDataset(Dataset): def __init__(self, X, y): # X: (N, seq_len, n_features), y: (N, pred_len) self.X = torch.tensor(X, dtype=torch.float32) self.y = torch.tensor(y, dtype=torch.float32) def __len__(self): return len(self.X) def __getitem__(self, idx): return self.X[idx], self.y[idx] train_ds = StockWindowDataset(X_train, y_train) test_ds = StockWindowDataset(X_test, y_test) train_loader = DataLoader(train_ds, batch_size=64, shuffle=True, drop_last=True) test_loader = DataLoader(test_ds, batch_size=64, shuffle=False)

训练集shuffle=True是为了打散样本顺序、让每个 batch 的梯度估计更稳，但注意这里打乱的是“窗口样本”的顺序，不是时间步内部的顺序，窗口内部的时间关系仍然完整。drop_last=True是为了避免最后一个不满 64 的 batch 在 BatchNorm 或某些损失计算时出问题，如果你的模型没用 BatchNorm，这个参数可留可去。测试集必须shuffle=False，否则预测结果和真实标签对不上号，画图时曲线会乱成一团。

3. LSTM 模型搭建与多步输出头：结构选型和参数怎么定

3.1 单层还是多层，hidden_size 给多大

PyTorch 的nn.LSTM用起来简单，但参数选择有讲究。input_size必须等于特征列数，这个对不上直接报错，反而是最好排查的。hidden_size是隐藏状态维度，日线数据我一般从 64 起步，数据量大、特征多可以上到 128 或 256，再大就容易过拟合，尤其样本只有几千条的时候。num_layers设 2 层是常见折中，单层表达能力有限，三层以上训练慢且梯度传播路径变长，没有明显收益。

多步输出头的接法有两种：一种是把 LSTM 最后时刻的 hidden state 接一个Linear(hidden_size, pred_len)，直接吐 pred_len 个值；另一种是每个时间步都接输出再取最后几个。这份源码用的是前者，结构干净，参数量可控。我倾向这种接法的原因是：多步预测本质是“基于整段历史做一个多目标回归”，最后时刻的 hidden state 已经浓缩了 seq_len 步的信息，直接映射到 pred_len 维输出，比逐时间步解码更不容易引入额外噪声。

import torch.nn as nn class MultiStepLSTM(nn.Module): def __init__(self, input_size, hidden_size=64, num_layers=2, pred_len=5, dropout=0.2): super().__init__() self.lstm = nn.LSTM( input_size=input_size, hidden_size=hidden_size, num_layers=num_layers, batch_first=True, dropout=dropout if num_layers > 1 else 0.0 ) self.head = nn.Sequential( nn.Linear(hidden_size, hidden_size // 2), nn.ReLU(), nn.Dropout(dropout), nn.Linear(hidden_size // 2, pred_len) ) def forward(self, x): # x: (batch, seq_len, input_size) out, (h_n, c_n) = self.lstm(x) last_hidden = out[:, -1, :] # 取最后一个时间步的输出 return self.head(last_hidden)

batch_first=True这个参数必须显式设，PyTorch 的 LSTM 默认输入形状是(seq_len, batch, input_size)，不设的话你的(batch, seq_len, features)会被当成序列长度在前，训练能跑但语义全错，预测结果毫无意义。dropout只在num_layers > 1时生效，单层 LSTM 传了也白传，代码里做了条件判断避免误导。输出头加了一层hidden_size // 2的降维和 ReLU，是为了在映射到 pred_len 之前再做一次非线性压缩，实测比直接一层 Linear 收敛更稳，当然这不是铁律，你可以按自己的数据试。

3.2 损失函数、优化器和学习率调度

多步回归默认用 MSELoss，但如果你更关心方向对不对而不是数值差多少，可以换成 HuberLoss 或加一个方向惩罚项。优化器 Adam 起步学习率 1e-3 是常规操作，配合ReduceLROnPlateau在验证损失停滞时降学习率，比固定学习率稳得多。

import torch.optim as optim device = torch.device("cuda" if torch.cuda.is_available() else "cpu") model = MultiStepLSTM(input_size=X_train.shape[2], hidden_size=64, num_layers=2, pred_len=5).to(device) criterion = nn.MSELoss() optimizer = optim.Adam(model.parameters(), lr=1e-3, weight_decay=1e-5) scheduler = optim.lr_scheduler.ReduceLROnPlateau( optimizer, mode='min', factor=0.5, patience=5 )

weight_decay=1e-5是轻量 L2 正则，防止 LSTM 权重长得太大。patience=5表示验证损失连续 5 个 epoch 没降就砍半学习率，这个值设太小会频繁降 lr 导致欠拟合，设太大又起不到调度作用，5 到 10 之间比较稳妥。训练循环里记得每个 epoch 结束调scheduler.step(val_loss)，传的是验证损失而不是训练损失，否则调度依据就错了。

3.3 训练循环与验证监控

训练循环本身是标准套路，但多步预测有个细节：验证时要把模型输出和标签都反归一化回原始价格尺度，才能算有业务意义的 MAE 或 MAPE。如果只在归一化空间里看 loss，数值很小但说明不了实际问题。

def train_one_epoch(model, loader, criterion, optimizer, device): model.train() total_loss = 0.0 for X_batch, y_batch in loader: X_batch, y_batch = X_batch.to(device), y_batch.to(device) optimizer.zero_grad() pred = model(X_batch) loss = criterion(pred, y_batch) loss.backward() # 梯度裁剪，防止 LSTM 梯度爆炸 torch.nn.utils.clip_grad_norm_(model.parameters(), max_norm=1.0) optimizer.step() total_loss += loss.item() * len(X_batch) return total_loss / len(loader.dataset) def evaluate(model, loader, criterion, device): model.eval() total_loss = 0.0 with torch.no_grad(): for X_batch, y_batch in loader: X_batch, y_batch = X_batch.to(device), y_batch.to(device) pred = model(X_batch) total_loss += criterion(pred, y_batch).item() * len(X_batch) return total_loss / len(loader.dataset)

clip_grad_norm_这行是多变量 LSTM 的后悔药。特征尺度差异大、序列又长的时候，梯度爆炸是家常便饭，表现是 loss 突然变成 nan 或者剧烈震荡。max_norm=1.0是常用起点，如果发现梯度经常被裁到，说明学习率可能偏大，先降 lr 再调这个阈值。训练和验证的 loss 都要记录，两条曲线一画，过拟合还是欠拟合一目了然：训练降验证不降是过拟合，两条都高是欠拟合或学习率不对。

4. 预测结果反归一化与评估：别被归一化空间的 loss 骗了

4.1 反变换与多步预测的对齐

模型输出是归一化空间的(batch, pred_len)，要还原成价格得用之前保存的target_scaler。这里有个容易翻车的点：StandardScaler.inverse_transform要求输入是二维(n_samples, n_features)，而你的 pred_len 可能大于 1，直接传会报维度错误或者还原错位。正确做法是 reshape 成(-1, 1)反变换再 reshape 回来。

def inverse_target(scaled_arr, target_scaler): """ scaled_arr: (N, pred_len) 归一化空间的预测或标签 返回同形状的原始尺度数组 """ shape = scaled_arr.shape flat = scaled_arr.reshape(-1, 1) inv = target_scaler.inverse_transform(flat) return inv.reshape(shape)

这个函数看着简单，但reshape(-1, 1)再reshape(shape)的顺序不能反。如果先转置或者按列拆，反变换用的均值和标准差就对不上对应步，还原出来的价格会整体偏移。我一般会在小样本上手动验算一遍：取一条预测，反变换后和原始价格比，误差应该在合理范围内，对不上就说明对齐逻辑有问题。

4.2 评估指标怎么选才不误导

MSE 和 RMSE 对量纲敏感，价格高的时候数值大，跨股票没法比。MAPE 直观但有除零风险，价格接近零时爆炸。这份资源里我建议同时看三个指标：MAE（绝对误差，单位是价格）、RMSE（对大误差更敏感）、以及方向准确率（预测涨跌方向和真实方向一致的比例）。方向准确率对交易场景尤其重要，因为数值差一点但方向对了，策略可能仍然有效；方向反了，数值再准也没用。

评估时按 pred_len 的每一步分别算，而不是把所有步混在一起平均。第 1 步通常最准，越往后越差，分步看才能知道模型在多远的未来还可信。如果第 3 步之后方向准确率掉到 50% 附近，说明预测窗口设太长了，该缩pred_len。

5. 避坑与排查：多变量多步 LSTM 最常见的五个翻车现场

5.1 现象：训练 loss 正常下降，预测曲线却整体平移

原因几乎都是归一化泄漏或反变换错位。要么 scaler 在全体数据上 fit 了，要么反变换时 reshape 顺序搞错，导致还原后的价格整体偏高或偏低一个固定量。排查方法：取训练集第一条样本，手动走一遍 scaler.transform 再 inverse_transform，看能否还原原始值，不能就是变换链路有问题。

5.2 现象：预测值几乎是一条直线，没有波动

模型欠拟合的典型表现，常见于 hidden_size 太小、num_layers 只有 1 层、或者学习率过低训练轮次不够。也可能是输入特征全是价格类高度相关的列，模型学不到额外信息。解决办法：先把 hidden_size 提到 128、num_layers 设 2，学习率调到 1e-3 跑 50 个 epoch 看 loss 是否还在降；如果仍然平，检查特征列是否该加入成交量、换手率、技术指标等差异化信息。

5.3 现象：loss 突然变 nan 或剧烈震荡

多变量 LSTM 的经典问题，梯度爆炸。先确认有没有加clip_grad_norm_，没加就加上；加了还炸，检查输入特征是否有极端异常值（比如未复权的价格跳变、成交量单位错误），做一遍异常值截断或对数变换。另外学习率 1e-3 对某些数据偏大，降到 5e-4 或 1e-4 试试。

5.4 现象：验证集表现远差于训练集

过拟合，但别急着加 dropout。先看样本量：如果总窗口数只有几百条，模型参数却几十万，过拟合是必然的。优先做的是减小 hidden_size、减层数、增大 dropout 到 0.3，再考虑加 weight_decay。另一个常被忽略的点是特征太多而样本太少，五六个特征配几千条日线数据是合理的，十几个特征就需要更长的历史或更强的正则。

5.5 现象：换了只股票或换了时间段，效果断崖式下跌

这不是代码 bug，是时序预测的固有边界。不同标的的波动率、趋势性、噪声水平差异很大，在一只票上调好的超参数搬到另一只上未必成立。我的做法是每次换数据都重新走一遍特征缩放和窗口切分，超参数至少重调 hidden_size 和 pred_len 两个，不要指望一套参数打天下。另外注意停牌、除权除息造成的价格跳变，这些点在训练前要清洗掉，否则模型会把跳空当成可学习的模式。

6. 进阶技巧：用 walk-forward 验证替代单次切分

单次 70/30 切分只能告诉你“模型在这段时间上表现如何”，但时序数据的分布会漂移，一次切分的结论很可能只是运气。更靠谱的做法是 walk-forward 验证：用前一段训练、紧接着的一段验证，然后窗口整体前移，重复多次，把每折的指标平均。这样得到的评估更接近实盘滚动使用的场景。

def walk_forward_eval(df, feature_cols, target_col, seq_len, pred_len, n_splits=5, train_ratio=0.6): """ 滚动切分：每次训练集占 train_ratio，验证集为紧随其后的一段 """ total_len = len(df) fold_size = int(total_len * (1 - train_ratio) / n_splits) results = [] for k in range(n_splits): train_end = int(total_len * train_ratio) + k * fold_size val_end = train_end + fold_size if val_end > total_len: break train_df = df.iloc[:train_end] val_df = df.iloc[train_end - seq_len:val_end] # 带上下文重叠 # 此处调用前面的 build_features / 训练 / 评估流程 # 记录该折的 MAE、RMSE、方向准确率 results.append({"fold": k, "train_end": train_end}) return results

关键在val_df的起点要回退seq_len步，因为验证集的第一条窗口需要前面的历史才能构造出来，不回退就会丢掉开头几个样本，折与折之间的评估口径不一致。n_splits设 5 折是精度和耗时的折中，数据量小可以设 3，数据多可以设 8 到 10。每折的指标单独记录再取均值和标准差，标准差大说明模型对时间段敏感，实盘要谨慎。

还有一个我常用的技巧：把方向准确率按 pred_len 分步画出来，横轴是预测步数，纵轴是准确率。如果第 1 步 65%、第 5 步掉到 48%，那 pred_len 设 5 就是自欺欺人，实际可用的只有前两三步。这个图比任何单一数字都更能说明模型的真实能力边界。

从那以后我每次拿到一份时序预测代码，都强制先跑一遍 walk-forward，再决定要不要信它 README 里写的指标。单次切分的漂亮数字，翻车概率太高了。希望这份拆解能帮你少走几个弯路，把这份 LSTM 多变量多步预测的源码真正用起来。

本文还有配套的精品资源，点击获取