3. 标签口径偏差来源：数据源误差、时间戳对齐问题、幸存者偏差、前视偏差

在量化回测中，标签（Label）是模型学习的“标准答案”。如果标签口径存在偏差，再优秀的模型也无法产出可靠的信号。本章系统梳理标签口径偏差的四大核心来源，帮助你在回测框架中建立偏差识别与校准的防线。

3.1 数据源误差

数据源误差是最基础、最隐蔽的偏差来源。它并非策略逻辑错误，而是原始数据本身与真实市场状态之间的差异。

3.2 时间戳对齐问题

时间戳对齐是标签口径校准中最容易被忽视的环节。不同市场、不同资产类别、不同数据供应商的时间戳粒度与含义各不相同。

• 交易所时间 vs. 本地时间： 服务器时区差异可能导致标签偏移数小时。
• 撮合时间 vs. 记录时间： 部分数据源记录的是数据落地时间，而非实际成交时间。
• Bar 对齐规则： 1分钟K线的“收盘时间”在不同系统中可能对应第59秒、第60秒或下一分钟第0秒。
• 跨品种对齐： 股票与期货交易时间不同，直接对齐会导致标签错位。

3.3 幸存者偏差

幸存者偏差是量化回测中最经典的陷阱。回测时只使用当前仍在交易的标的，会系统性高估策略表现，因为退市、破产的标的已被剔除。

幸存者偏差的三种表现形式：

1. 指数成分股偏差： 回测时使用当前指数成分股，但历史上成分股已多次调整。
2. 退市标的遗漏： 未包含已退市、暂停上市、ST 的标的，导致回测只包含“成功案例”。
3. 合并收购偏差： 被收购标的在回测中被忽略，但收购事件本身可能产生显著收益。

3.4 前视偏差

前视偏差（Look-Ahead Bias）是指标签计算中使用了未来信息，导致回测表现不可复现。这是标签口径校准中最需要警惕的偏差。

常见前视偏差场景：

• 财务数据前视： 使用财报发布日期之前的数据计算标签，但财报实际尚未公开。
• 复权因子前视： 使用未来复权因子调整历史价格，导致历史价格被“修正”。
• 事件标签前视： 使用未来事件（如涨停、跌停）作为标签，但事件发生时已无法交易。
• 统计量前视： 计算滚动均值/标准差时使用了未来数据点。

3.5 偏差来源对比与校准优先级

四种偏差来源对回测结果的影响程度不同，校准优先级也应有所区别。以下对比表可帮助你在资源有限时做出取舍。

3.6 偏差检测自动化

在回测框架中嵌入自动化偏差检测逻辑，可以在标签生成阶段提前发现问题。

# 偏差检测伪代码示例
def detect_bias(data, label_config):
    warnings = []
    
    # 1. 幸存者偏差检测
    current_tickers = get_current_tickers()
    historical_tickers = get_historical_tickers(data.index[0])
    missing_tickers = set(historical_tickers) - set(current_tickers)
    if missing_tickers:
        warnings.append(f"幸存者偏差：发现 {len(missing_tickers)} 个退市/合并标的")
    
    # 2. 前视偏差检测
    for col in ['close', 'volume', 'pe_ratio']:
        if is_future_data_used(data[col], label_config):
            warnings.append(f"前视偏差：{col} 使用了未来数据")
    
    # 3. 时间戳对齐检测
    if not is_timestamp_aligned(data.index, label_config['timezone']):
        warnings.append("时间戳对齐异常：时区或粒度不一致")
    
    return warnings