2、标签口径的基本概念：标签定义、标签类型（二元/多元/连续）、标签时间窗口（固定窗口/滚动窗口）
标签口径是回测校准的基石。在量化金融中，标签（Label）是对未来市场状态或交易结果的量化定义。口径（Definition）则规定了标签的计算规则、数据来源和适用条件。口径不一致，回测结果就失去了可比性和可复现性。
本章从三个核心维度拆解标签口径：标签定义、标签类型、标签时间窗口。理解这三者，是后续校准工作的前提。
2.1 标签定义：从原始数据到标签的映射规则
标签定义是将原始行情、财务或另类数据转化为一个可计算、可存储、可回测的数值或类别变量的过程。一个完整的标签定义包含以下要素：
| 要素 | 说明 | 示例 |
|---|---|---|
| 数据源 | 标签计算所依赖的原始数据字段 | 收盘价、成交量、财报净利润 |
| 计算逻辑 | 从原始数据到标签的数学或逻辑运算 | 未来5日收益率 = (未来第5日收盘价 / 当前收盘价) - 1 |
| 过滤条件 | 排除无效或异常样本的规则 | 剔除停牌日、涨跌停日、新股上市前20日 |
| 输出格式 | 标签的最终存储形式 | 浮点数、整数、字符串、枚举值 |
口径校准要点： 同一个标签名称（如“上涨概率”）在不同策略团队中可能对应完全不同的计算逻辑。校准的第一步就是对齐标签定义文档，确保数据源、计算逻辑、过滤条件完全一致。
2.2 标签类型：二元、多元与连续
根据标签的输出值域和业务含义，标签可分为三种基本类型。不同类型的标签适用于不同的模型和评估指标。
| 类型 | 值域 | 典型业务含义 | 适用模型 | 评估指标 |
|---|---|---|---|---|
| 二元标签 | {0, 1} 或 {False, True} | 是否上涨、是否触发止损、是否发生违约 | 分类模型（逻辑回归、XGBoost分类） | 准确率、精确率、召回率、F1、AUC |
| 多元标签 | {0, 1, 2, ..., N-1} | 涨跌幅区间（大涨/小涨/持平/小跌/大跌）、行业分类 | 多分类模型（Softmax、随机森林多类） | 混淆矩阵、宏平均F1、加权F1 |
| 连续标签 | 实数域（通常有界） | 未来N日收益率、波动率、夏普比率 | 回归模型（线性回归、LSTM） | MSE、MAE、R²、信息系数（IC） |
实践建议： 在回测初期，优先使用二元标签（如“未来5日是否上涨超过2%”）进行快速验证。二元标签的评估指标直观，且对标签噪声的容忍度相对较高。连续标签虽然信息量更大，但对数据质量和模型精度要求更高。
2.3 标签时间窗口：固定窗口与滚动窗口
标签时间窗口定义了标签计算所覆盖的未来时间范围。窗口的选择直接影响标签的统计特性和策略信号的有效性。常见的窗口模式有两种：固定窗口和滚动窗口。
2.3.1 固定窗口
固定窗口是指标签计算时使用一个固定的、不随时间变化的未来时间段。例如，“未来5日收益率”中的“5日”就是一个固定窗口。固定窗口的优点是计算简单、结果稳定、易于复现；缺点是窗口长度需要人工预设，且对市场节奏变化的适应性较差。
2.3.2 滚动窗口
滚动窗口是指标签计算时使用一个动态调整的未来时间段。窗口的结束点通常是固定的（如“到下一个财报发布日”），或者窗口长度根据市场波动率、交易量等指标自适应调整。滚动窗口的优点是更贴合市场实际节奏；缺点是计算逻辑复杂，且不同样本之间的窗口长度不一致，给模型训练带来挑战。
| 对比维度 | 固定窗口 | 滚动窗口 |
|---|---|---|
| 窗口长度 | 恒定（如20个交易日） | 动态变化（如到下次调仓日） |
| 计算复杂度 | 低 | 高 |
| 市场适应性 | 弱（窗口长度固定） | 强（窗口随市场状态调整） |
| 样本一致性 | 高（所有样本窗口长度相同） | 低（样本间窗口长度不同） |
| 典型应用 | 因子IC测试、固定持有期策略 | 事件驱动策略、自适应调仓策略 |
口径陷阱： 在回测中，如果策略使用滚动窗口（如“持有至下一个止损线”），但标签口径却使用固定窗口（如“未来20日收益率”），会导致标签与策略实际信号不匹配。校准标签时间窗口时，必须确保窗口定义与策略逻辑一致。
2.4 标签口径校准清单
在实际校准工作中，建议按照以下清单逐项检查标签口径：
- 标签名称与版本：确认标签名称唯一，且记录版本号（如 v1.0、v2.1）。
- 数据源字段：检查原始数据字段是否来自同一数据供应商，字段精度是否一致。
- 计算逻辑：逐行比对计算代码，确保数学公式、条件判断、异常处理完全一致。
- 标签类型：确认二元/多元/连续类型定义，以及类别标签的映射表是否对齐。
- 时间窗口：确认窗口模式（固定/滚动）、窗口长度、窗口起始点和结束点的定义。
- 过滤条件：检查停牌、涨跌停、新股、退市等特殊样本的处理规则。
- 输出格式：确认标签的存储格式（浮点数精度、整数范围、字符串编码）。
校准案例： 某团队在回测中发现“未来20日收益率”标签的IC值在2023年出现异常下降。经排查，发现标签口径中使用了复权收盘价，但另一团队使用了不复权收盘价。校准后，IC值恢复正常。这个案例说明，即使是数据源字段的微小差异，也可能导致标签口径的严重偏差。