📚 课程目录第2章标签定义基础

2、标签定义基础：什么是标签（Label），分类标签与回归标签的区别，常见金融标签类型（涨跌、波动率、风险等级）

在量化回测中，标签（Label） 是监督学习的核心——它是模型试图预测的目标变量。标签的质量直接决定了特征工程的方向和回测结果的可靠性。本章从标签的本质出发，厘清分类与回归标签的差异，并深入解析金融场景中最常见的三种标签类型。

2.1 什么是标签（Label）

标签是数据集中每个样本对应的“正确答案”。在量化金融中，标签通常代表未来某个时间窗口内的市场状态或资产表现。例如：

分类标签：未来5日是否上涨（涨/跌）
回归标签：未来20日的累计收益率（连续值）
排序标签：未来波动率的分位数排名

标签的构造过程称为“标签校准”，它必须与回测的时间轴、交易频率和风险目标严格对齐。错误的标签定义会导致模型学习到虚假规律（过拟合）或无法捕捉真实信号（欠拟合）。

核心原则：标签必须反映你真正关心的交易目标。如果目标是最大化夏普比率，那么标签不应只是简单的涨跌方向，而应包含风险调整后的收益信息。

2.2 分类标签与回归标签的区别

分类标签和回归标签在数学形式、损失函数、评估指标和金融应用上存在本质差异。下表总结了关键区别：

维度	分类标签	回归标签
输出形式	离散类别（如 0/1、-1/0/1）	连续实数（如 -0.05 ~ 0.12）
损失函数	交叉熵、Hinge、Focal Loss	MSE、MAE、Huber Loss
评估指标	准确率、精确率、召回率、F1、AUC	R²、RMSE、MAE、IC（信息系数）
金融典型场景	涨跌方向预测、突破信号、风险等级	收益率预测、波动率预测、流动性成本
对噪声的敏感度	相对鲁棒（离散化可过滤部分噪声）	敏感（极端值会严重扭曲模型）
回测实现复杂度	较低（只需判断类别）	较高（需处理仓位大小、止损止盈）

选择分类还是回归标签，取决于你的交易策略类型：

趋势跟踪/择时策略：通常使用分类标签（涨/跌），因为只需判断方向。
统计套利/做市策略：回归标签更合适，因为需要精确预测价差或收益率大小。
风险平价/组合优化：回归标签用于预测波动率和相关性矩阵。

  实战建议：在回测初期，优先尝试分类标签。分类任务对数据质量要求更低，且评估指标更直观。当分类模型达到稳定性能后，再逐步过渡到回归标签以获取更精细的信号。

2.3 常见金融标签类型

金融量化领域最常用的标签类型包括涨跌标签、波动率标签和风险等级标签。下面逐一解析其构造方法和适用场景。

2.3.1 涨跌标签（Direction Label）

涨跌标签是最基础的分类标签，通常定义为未来 h 个交易日的收益率符号：

# 示例：未来5日涨跌标签（Python伪代码）
def create_direction_label(close_prices, horizon=5, threshold=0.0):
    future_return = close_prices.shift(-horizon) / close_prices - 1
    label = (future_return > threshold).astype(int)  # 1=涨, 0=跌
    return label

变体包括：

三分类标签：涨（>1%）、平（-1%~1%）、跌（<-1%），用于过滤震荡行情。
动量标签：基于过去收益率符号的延续性，如“连续3日上涨后是否继续上涨”。
阈值标签：设定收益率阈值（如2%），只有超过阈值才视为有效信号。

2.3.2 波动率标签（Volatility Label）

波动率标签可以是回归标签（预测具体波动率数值）或分类标签（预测波动率等级）。常见构造方法：

# 示例：未来20日已实现波动率（回归标签）
def realized_volatility(returns, window=20):
    return returns.rolling(window).std() * np.sqrt(252)  # 年化波动率

# 示例：波动率分位数分类（高/中/低）
def volatility_quantile_label(vol_series, q_low=0.3, q_high=0.7):
    label = np.zeros(len(vol_series))
    label[vol_series > vol_series.quantile(q_high)] = 2  # 高波动
    label[(vol_series > vol_series.quantile(q_low)) & 
          (vol_series <= vol_series.quantile(q_high))] = 1  # 中波动
    label[vol_series <= vol_series.quantile(q_low)] = 0  # 低波动
    return label

波动率标签在期权定价、风险管理和仓位调整中至关重要。

2.3.3 风险等级标签（Risk Level Label）

风险等级标签通常结合多个风险因子（波动率、最大回撤、VaR、Beta等）进行综合评级。典型构造流程：

因子计算：计算每个样本的波动率、下行风险、尾部风险等指标。
标准化：将各因子映射到0~1区间（如使用分位数排名）。
加权合成：按业务权重合成综合风险得分。
离散化：将得分划分为3~5个等级（如低风险、中风险、高风险）。

注意：风险等级标签的构造容易引入“未来信息”。例如，使用全样本分位数进行标准化会导致样本内数据泄露。正确的做法是使用滚动窗口或扩展窗口计算分位数。

2.4 标签类型选择决策流程

下面的SVG图展示了从交易目标到标签类型的完整决策路径，帮助你在实际项目中快速确定标签定义方向。

2.5 标签构造的常见陷阱

即使理解了标签类型，实际构造中仍容易踩坑。以下是三个最常见的错误：

陷阱	错误示例	正确做法
未来信息泄露	使用未来数据计算标签（如用未来20日数据计算波动率时使用了未来价格）	确保标签只使用截止到当前时刻的数据，或使用严格的滚动窗口
标签不平衡	牛市中90%的样本都是“涨”标签，模型学到永远预测涨	使用时间序列交叉验证、重采样或代价敏感学习
标签与特征时间错位	特征使用t日数据，标签使用t日收益率（同步预测）	特征必须滞后于标签：特征用t日，标签用t+1日及以后

  最佳实践：在构造标签后，始终进行“标签回溯测试”——随机抽取100个样本，人工验证标签是否与未来实际走势一致。这一步能发现大部分数据泄露和逻辑错误。

2.6 标签与特征工程的协同

标签定义直接影响特征工程的方向：

涨跌标签：特征应侧重趋势指标（移动平均、MACD、RSI）和动量因子。
波动率标签：特征应包含历史波动率、成交量变化、VIX指数、GARCH模型输出。
风险等级标签：特征需覆盖多维度风险因子（Beta、最大回撤、偏度、峰度、尾部风险）。

下面的SVG图展示了标签与特征工程之间的双向反馈关系：

在实际项目中，标签定义不是一次性工作。随着回测结果的反馈，你可能需要调整标签的阈值、时间窗口或分类方式，从而驱动特征工程的迭代优化。这种“标签-特征”协同进化是量化策略开发的核心能力。