China A-Share Market Microstructure Prediction

面向超大规模 Parquet（train 约 42.6GB / test 约 11.7GB）的时序截面预测项目。

当前推荐入口

• 主流程文档：template/README.md
• 数据探索结论：数据探索报告.md
• 统一训练入口：template/runners/train.py

目标与约束

• 主目标：预测 LabelA（并保留 LabelB/LabelC 扩展能力）
• 数据特征：stockid/dateid/timeid/exchangeid + f0~f383
• 核心约束：数据过大，禁止一次性全量读入 + 全量特征暴力训练

已完成的框架调整方向

• 增加面向大文件的数据适配层：按列选择、按行组/批次读取、类型压缩
• 保留原有老模板脚本用于历史兼容，但默认建议使用 parquet 基线路径
• 文档统一为“先跑通高效基线，再扩展复杂模型”的工作流

最小可运行示例

python template/runners/train.py --family lgbm --label-col LabelA --feature-mode no_missing

默认读取：

• data/train.parquet
• data/test.parquet

并输出：

• res/pipeline_lgbm/lgbm_*_meta.json
• res/pipeline_lgbm/lgbm_*_test_pred.parquet