2、常见标签类型：二元分类标签、回归标签、多分类标签、时序标签、事件标签

在事件驱动回测中，标签（Label）是定义“什么是正确预测”的核心。不同的策略目标对应不同的标签类型，错误的标签口径会直接导致回测结果失真。本节系统梳理五种最常见的标签类型及其在回测中的处理要点。

2.1 标签类型总览

下表从预测目标、输出空间、典型场景三个维度对比五种标签类型，帮助你在设计回测时快速选型：

2.2 二元分类标签

二元分类是量化回测中最基础的标签形式。其核心口径问题在于：阈值如何设定？

• 固定阈值法：未来 N 日收益率 > 0 标记为 1，否则为 0。简单但忽略幅度差异。
• 分位数法：取截面所有标的未来收益率的前 30% 为 1，后 30% 为 0。适合横截面多空策略。
• 波动率调整法：收益率 / 预期波动率 > 阈值。避免低波动期噪声被误判为信号。

2.3 回归标签

回归标签直接预测连续数值，常见于高频做市、波动率预测等场景。口径处理的关键在于去极值与标准化：

# 回归标签的典型处理流程
import numpy as np

def process_regression_label(raw_returns, winsor_limit=0.05):
    # 1. 去极值：MAD 方法
    median = np.median(raw_returns)
    mad = np.median(np.abs(raw_returns - median))
    upper = median + 5 * mad
    lower = median - 5 * mad
    clipped = np.clip(raw_returns, lower, upper)

    # 2. 标准化：Z-score
    mean = np.mean(clipped)
    std = np.std(clipped)
    normalized = (clipped - mean) / std

    return normalized

2.4 多分类标签

多分类标签将预测空间划分为多个有序或无序的类别。在量化回测中，有序多分类（如调仓力度：-2, -1, 0, +1, +2）比无序多分类更常见。

多分类标签的口径处理要点：

• 类别边界定义：使用分位数或固定间隔划分，需保证每个类别在训练集中有足够样本。
• 有序性保持：若使用 Softmax 等无序分类器，需额外引入序数损失函数（如 Ordinal Loss）。
• 类别权重：中间类别（如“持有不动”）样本量通常远大于两端，需在损失函数中设置类别权重。

2.5 时序标签

时序标签不是预测一个点，而是预测一段未来路径。常见于高频交易中的价格曲线预测、限价单簿动态预测等。

时序标签的口径设计包含三个维度：

1. 预测长度：固定窗口（如未来 20 个 tick）还是动态窗口（如到止损触发为止）。
2. 采样频率：与特征频率保持一致，避免时间错配。
3. 对齐方式：事件发生时点与标签序列的起始点必须严格对齐，常用 shift(-N) 操作。

2.6 事件标签

事件标签是二元分类标签的扩展，但增加了时间维度。它回答的是：“在某个时间窗口内，特定事件是否发生？”

常见的事件标签类型：

• 点事件：财报发布、分红除权、高管增持公告。
• 区间事件：连续 3 日涨幅超过 10%、波动率突破阈值。
• 复合事件：放量突破 + 均线金叉。

事件标签的口径处理核心是避免未来信息泄露：

# 事件标签的防未来信息处理
def create_event_label(df, event_col, lookahead=5):
    """
    生成事件标签：未来 lookahead 天内事件是否发生
    关键：使用 shift(-lookahead) 确保标签不包含当前时刻信息
    """
    df['event_label'] = (
        df[event_col]
        .rolling(window=lookahead, min_periods=1)
        .max()
        .shift(-lookahead)
    )
    # 标签生成后，删除最后 lookahead 行（未来不可知）
    df = df.iloc[:-lookahead].copy()
    return df

2.7 标签类型选择决策流程

以下 SVG 图展示了从策略目标到标签类型的决策路径，帮助你在设计回测时快速定位合适的标签口径：

2.8 标签口径检查清单

在回测框架中实现标签生成时，建议逐项核对以下检查点：