《Label alchemy: Target engineering for improved stock selection》总结

这篇论文的核心观点是：在机器学习选股中，预测目标（label）的选择和工程化与特征、模型同样重要，甚至可能更重要。作者批评现有研究大多只关注特征和模型，而默认使用原始的前瞻收益作为标签。

1. 研究设计

· 固定投资域：1,960 只美国股票，2002–2026 年，122 个公司特征。· 固定模型：主要使用 LightGBM；后续用弹性网和神经网络验证。· 将标签分解为三个可组合算子： · Location（位置/中性化）：减去市场均值、行业中位数、PCA 拟合值、FF6 因子残差等。 · Scale（尺度）：除以横截面标准差、MAD、个股已实现波动率等。 · Shape（形状）：恒等、百分位排名、高斯化排名、符号二值化。· 系统组合出 30 个标签，重点分析其中 15 个，包括 5 个新标签：行业中性、PCA 残差、FF6 残差及其排名版本。

2. 主要发现

· 仅改变标签，样本外多空十分位组合的 Sharpe 从原始收益标签的 0.68 提升到高斯化横截面排名的 1.69；最佳标签可达 1.74。· 原始收益标签在 2021–2026 年甚至产生负 Sharpe，而标准化或排名后的标签表现强劲。· 全样本中表现最好的标签包括：rank_gauss（1.69）、sector_zscore（1.56）、zscore（1.53）、robust_z（1.46）。原始收益排名第 13/15。· 从原始标签到标准化/排名，收益提升最大；标准化能降低厚尾影响，减少极端公司-月对平方误差损失的支配。· 完整因子归因显示：短期限 Shape 最重要，长期限 Location 最重要，Scale 的边际贡献相对较小。· 个股波动率缩放表现较差，换手高且无法很好区分赢家；横截面标准化更优。· 因子中性标签（行业、PCA、FF6 残差）在多个期限有竞争力，尤其是横截面构建时。

3. 稳健性

· 1、3、6、12 个月期限下，领先标签排序稳定；标签工程效应在短期限最大。· 多重检验校正后，30 个标签中约 25 个仍显著；PBO 远低于 0.5；SPA 检验在 1 个月和 3 个月显著优于原始收益基准。· 100 个随机种子下排序不变。· 更换为线性模型或神经网络后，结论一致：标签解释约 87% 的样本外 Sharpe 变异，而学习器仅解释约 4%。· 特征重要性显示，标签主要重新加权损失，而非完全改变特征集；期限越长，慢基本面特征越重要。

4. 结论与启示作者认为，预测目标不应被视为给定，而应像特征和模型一样进行系统化工程。未来方向包括：净成本后的标签重排、在其他市场和频率上的复制，以及直接优化排序或分位数损失的学习目标。