EUR/USD隔日收盘价预测Pipeline模型疑似数据泄露排查求助

核心泄露原因：列名处理逻辑错误导致要删除的当期特征未被删除 #

你的series_to_supervised方法中，列名去空格的逻辑存在索引错误：

# 原错误代码
for i in range(len(names)):
    names[i-1] = names[i-1].strip()

当i遍历从0到len(names)-1时，i-1的取值为-1到len(names)-2，永远不会处理索引为0的列，还会重复处理最后一列。如果当期的Price、Open等列的列名带首尾空格，RemoveCurrentFeatures组件将无法匹配到对应列名，导致t时刻的真实Price列被保留在输入特征X中，模型只需学习y = X['Price']就能得到近乎完美的效果，这是效果反常的核心原因。
修正方案：将去空格逻辑改为

for i in range(len(names)):
    names[i] = names[i].strip()

其他可导致泄露/效果虚高的问题 #

• 目标值对齐错误：你需要预测的是隔日（t+1日）的收盘价，但当前series_to_supervised生成的是t时刻的Price作为输出，且你拆分的train_y、test_y也都是t时刻的Price，相当于任务难度被人为降低，甚至相当于用当日数据预测当日收盘价，不符合你的业务预期。
• 测试集特征转换逻辑缺陷：你将SeriesToSupervised放在Pipeline中单独处理测试集时，测试集前n_in个样本的滞后特征需要用到训练集末尾的n_in条数据，当前逻辑下这些样本会因为shift产生的NaN被删除，且如果后续加入标准化、归一化等预处理步骤，会出现测试集信息泄露到预处理参数的问题。正确的时序预处理逻辑应该是先对全量数据做滞后特征生成，再按时间切分训练集和测试集，避免跨集信息泄露。
• X与y的对齐风险：你提前从原始数据中拆分了train_y和test_y，而Pipeline中series_to_supervised生成的特征矩阵行数会因为dropna操作发生变化，存在X与y行错位的风险，进一步导致效果评估失真。

内容的提问来源于stack exchange，提问作者Hubert Rzeminski