2. 标签偏移的成因分析

标签偏移（Label Shift）是指模型训练时使用的标签分布与模型上线后实际遇到的标签分布不一致的现象。在量化回测中，这种偏移会直接导致回测绩效失真、策略失效甚至产生重大亏损。理解标签偏移的深层成因，是进行有效校准的前提。

标签分布的变化并非随机噪声，而是由市场底层结构、参与者行为、宏观环境以及数据采集方式等系统性因素共同驱动的。以下从四个核心维度展开分析。

2.1 市场制度变化

市场制度是交易规则和监管框架的总和。制度变更会直接改变资产价格的生成机制，进而影响标签（如涨跌、波动率、流动性等）的统计分布。

2.2 投资者结构变迁

市场参与者的构成变化会改变交易行为模式，从而影响标签的统计特征。不同投资者群体的交易频率、持仓周期、信息处理方式存在显著差异。

• 机构化进程： 散户主导转向机构主导，换手率下降、持仓周期延长，短期动量标签的持续性减弱。
• 量化资金占比上升： 高频策略、统计套利策略的普及，导致市场微观结构标签（如订单流不平衡、价格冲击系数）发生系统性偏移。
• 外资流入与开放： 互联互通机制引入海外投资者，其价值投资导向和风险偏好差异，改变因子标签的收益结构。
• 被动投资扩张： ETF和指数基金规模增长，导致成分股标签的联动性增强，个股异质性标签方差缩小。

2.3 宏观经济周期切换

宏观经济状态（增长、通胀、利率、信用周期）是标签分布变化的根本驱动力。不同周期下，资产收益率的均值、方差、偏度和尾部特征均会发生显著变化。

2.4 数据采样偏差

数据采样偏差是标签偏移中容易被忽视但影响深远的成因。它并非市场本身的变化，而是数据采集、清洗、预处理过程中引入的系统性偏差。

• 幸存者偏差： 回测数据仅包含当前存续的股票/基金，退市标的被剔除，导致标签分布高估正收益概率、低估尾部风险。
• 前瞻偏差： 使用未来信息（如未来财报数据、未来指数成分股调整）构造标签，造成回测中标签分布与实盘严重不符。
• 采样频率偏差： 日频数据与高频数据在波动率、自相关性等标签上存在系统性差异，低频采样会平滑掉日内波动模式。
• 时间区间选择偏差： 选择特定牛市区间进行回测，标签分布整体右偏；选择震荡区间则标签方差偏小。
• 重组/停牌处理偏差： 对停牌期间的数据填充方式（前向填充、插值、剔除）不同，会导致标签分布出现人为偏移。

2.5 成因交互与叠加效应

在实际市场中，上述四种成因往往同时存在并相互强化，导致标签偏移的幅度和速度远超单一因素作用的结果。