3. 时间序列数据特性：金融时间序列的平稳性、自相关性、非独立同分布特性对标签对齐的影响

金融时间序列与普通机器学习数据集存在本质区别。普通监督学习假设样本独立同分布（i.i.d.），而金融数据天然具有时间依赖性、非平稳性和序列自相关。这些特性直接影响标签对齐策略：如果忽略时间结构，回测将产生严重的未来信息泄露和过拟合。

3.1 平稳性：统计性质随时间漂移

平稳时间序列的均值、方差和自协方差在时间平移下保持不变。金融收益率序列通常呈现弱平稳（均值恒定、方差有限），但波动率、价差等特征常表现出非平稳性。

3.2 自相关性：过去影响未来

金融时间序列的当前值往往与历史值相关。自相关函数（ACF）和偏自相关函数（PACF）量化这种依赖强度。自相关性对标签对齐的影响体现在三个方面：

• 标签泄漏：若标签使用未来信息（如未来N期收益率），而特征包含滞后变量，自相关会导致特征与标签隐含共享同一段噪声。
• 样本重叠：滚动标签窗口（如未来5日收益）使相邻样本的标签高度相关，降低有效样本量。
• 过拟合风险：模型可能学到自相关模式而非真实因果关系，在样本外失效。

3.3 非独立同分布特性：时间依赖结构

金融数据违反i.i.d.假设的具体表现包括：

• 时间依赖性：t时刻的观测与t-1时刻相关，不能随机打乱样本。
• 波动率聚集：大波动后常跟随大波动，方差非恒定。
• 尾部依赖：极端收益在时间上聚集出现。
• 结构性突变：政策、危机导致数据生成过程改变。

3.4 标签对齐的三大时间约束

3.5 实践检查清单

1. 平稳性检查：对标签序列执行ADF检验和KPSS检验。
2. 自相关检查：绘制ACF/PACF图，计算Ljung-Box Q统计量。
3. 时间戳验证：确保特征窗口结束时间 < 标签窗口开始时间。
4. 重叠度计算：统计相邻标签窗口的重叠比例，若>50%则需调整。
5. 分布稳定性：将时间序列分段，比较各段标签的均值和标准差。

3.6 时间序列对齐的SVG流程

3.7 代码示例：时间序列对齐检查

import pandas as pd
import numpy as np
from statsmodels.tsa.stattools import adfuller
from statsmodels.stats.diagnostic import acorr_ljungbox

def check_time_series_alignment(df, feature_cols, label_col, timestamp_col):
    """
    检查时间序列标签对齐的三大约束
    
    Parameters:
    -----------
    df : DataFrame, 包含特征、标签、时间戳
    feature_cols : list, 特征列名
    label_col : str, 标签列名
    timestamp_col : str, 时间戳列名
    
    Returns:
    --------
    dict, 检查结果
    """
    results = {}
    
    # 1. 因果约束检查
    df_sorted = df.sort_values(timestamp_col)
    # 假设特征使用过去数据，标签使用未来数据
    # 检查特征中是否包含未来信息（示例：检查标签时间是否晚于特征时间）
    results['causality_check'] = '通过'  # 实际需根据窗口定义实现
    
    # 2. 平稳性检查（ADF检验）
    label_series = df_sorted[label_col].dropna()
    adf_result = adfuller(label_series, autolag='AIC')
    results['adf_statistic'] = adf_result[0]
    results['adf_pvalue'] = adf_result[1]
    results['is_stationary'] = adf_result[1] < 0.05
    
    # 3. 自相关检查（Ljung-Box）
    lb_result = acorr_ljungbox(label_series, lags=[10], return_df=True)
    results['lb_statistic'] = lb_result['lb_stat'].values[0]
    results['lb_pvalue'] = lb_result['lb_pvalue'].values[0]
    results['has_significant_autocorr'] = lb_result['lb_pvalue'].values[0] < 0.05
    
    # 4. 标签重叠度计算（假设标签窗口长度为N）
    # 示例：计算相邻标签的相关系数
    label_diff = label_series.diff().dropna()
    overlap_corr = label_series.iloc[1:].corr(label_series.iloc[:-1])
    results['adjacent_label_corr'] = overlap_corr
    results['overlap_warning'] = overlap_corr > 0.5
    
    return results

# 使用示例
check_results = check_time_series_alignment(
    df=price_data,
    feature_cols=['returns_lag1', 'returns_lag2', 'volume_lag1'],
    label_col='future_5d_return',
    timestamp_col='date'
)

print(f"平稳性p值: {check_results['adf_pvalue']:.4f}")
print(f"自相关p值: {check_results['lb_pvalue']:.4f}")
print(f"相邻标签相关性: {check_results['adjacent_label_corr']:.3f}")