2. 标签口径定义

2.1 标签口径的概念

在量化回测与模型训练中，标签口径（Label Caliber）是指对原始市场数据或交易信号进行标准化、对齐和量化时所采用的度量基准与计算规则。它决定了“一个样本的标签值究竟代表什么含义”，是连接原始行情数据与监督学习目标之间的桥梁。

口径不统一会导致以下典型问题：

• 样本错配：同一段行情因收益率计算方式不同，被赋予截然不同的标签值。
• 模型偏差：模型学习到的是“口径噪声”而非真实市场规律。
• 回测失真：训练集与回测集使用不同口径，导致绩效评估失效。

2.2 常见口径类型

根据量化策略的不同目标，标签口径主要分为三大类：收益率口径、波动率口径和风险调整口径。下表对比了它们的核心差异：

2.3 收益率口径详解

收益率口径是最基础的标签类型，其定义直接影响模型对“涨跌”的敏感度。常见的两种计算方式为：

• 简单收益率：\( R_t = (P_t - P_{t-1}) / P_{t-1} \)，直观但分布不对称，存在向下偏倚。
• 对数收益率：\( r_t = \ln(P_t / P_{t-1}) \)，时间可加性好，分布更接近正态，适合统计建模。

2.4 波动率口径详解

波动率口径用于衡量资产价格的不确定性，常见口径包括：

2.5 风险调整口径详解

风险调整口径将收益与风险结合，用于评估“单位风险下的收益表现”。最常用的口径包括：

• 夏普比率：\( \text{Sharpe} = \frac{E[R_p - R_f]}{\sigma_p} \)，衡量超额收益与总风险的比值。
• 卡玛比率：\( \text{Calmar} = \frac{E[R_p - R_f]}{\text{Max Drawdown}} \)，侧重最大回撤风险。
• 信息比率：\( \text{IR} = \frac{E[R_p - R_b]}{\sigma_{p-b}} \)，衡量相对于基准的主动管理能力。

在模型训练中，风险调整口径通常作为多目标标签或约束条件使用，而非单一预测目标。

2.6 口径选择与模型训练的关系

不同的标签口径会直接影响模型的学习目标与收敛行为。下表总结了常见口径对模型训练的影响：

2.7 口径校准流程

为确保标签口径在回测与训练中的一致性，建议遵循以下校准流程：

1. 定义口径规范：明确使用哪种收益率、波动率或风险调整口径，并记录计算公式。
2. 数据对齐：确保所有样本的起始时间、复权方式、分红处理一致。
3. 计算标签：按照规范批量计算训练集、验证集、回测集的标签值。
4. 分布检验：检查标签的均值、标准差、偏度、峰度，确保三集分布一致。
5. 回测验证：在回测集上使用相同口径计算绩效，与训练集标签进行相关性检验。

2.8 口径校准的常见陷阱

在实际项目中，以下陷阱最容易导致口径校准失败：

• 幸存者偏差：只使用当前存活的股票计算标签，忽略了退市样本。
• 前视偏差：在计算标签时使用了未来数据（如用未来价格计算当前收益率）。
• 复权不一致：训练集使用后复权价格，回测集使用前复权价格，导致标签数值偏移。
• 频率错配：用日线收益率训练模型，却在分钟线回测中应用。

2.9 代码示例：收益率口径计算

以下 Python 代码展示了简单收益率与对数收益率的计算方式，并对比了它们的分布差异：

import numpy as np
import pandas as pd

# 模拟价格序列
np.random.seed(42)
prices = 100 * np.exp(np.cumsum(np.random.normal(0, 0.01, 1000)))
df = pd.DataFrame({'close': prices})

# 简单收益率
df['simple_return'] = df['close'].pct_change()

# 对数收益率
df['log_return'] = np.log(df['close'] / df['close'].shift(1))

# 对比统计量
print("简单收益率均值: {:.6f}, 标准差: {:.6f}".format(
    df['simple_return'].mean(), df['simple_return'].std()))
print("对数收益率均值: {:.6f}, 标准差: {:.6f}".format(
    df['log_return'].mean(), df['log_return'].std()))

# 多期复合收益对比
multi_period_simple = (1 + df['simple_return'].iloc[1:251]).prod() - 1
multi_period_log = df['log_return'].iloc[1:251].sum()
print("250期简单复合收益: {:.4f}".format(multi_period_simple))
print("250期对数复合收益: {:.4f}".format(multi_period_log))