Qlib实战：如何为A股T+1交易定制你的机器学习标签（Label）？

在量化投资领域，数据标注（Labeling）是构建机器学习模型的核心环节之一。对于A股市场的T+1交易制度，正确的标签定义直接关系到模型预测的有效性。本文将深入探讨如何在Qlib框架下，针对A股市场特性定制高效的机器学习标签。

1. 理解A股T+1交易制度下的标签定义

A股市场实行T+1交易制度，即当日买入的股票需等到下一个交易日才能卖出。这一制度对标签定义提出了特殊要求。假设我们在T日做出交易决策，实际买入发生在T+1日，最早卖出时间为T+2日。因此，合理的收益率标签应反映T+1买入、T+2卖出的收益情况。

Qlib中常见的标签表达式为：

python复制Ref($close, -2)/Ref($close, -1) - 1

这个表达式的含义是：

• Ref($close, -1)：T+1日的收盘价（买入价）
• Ref($close, -2)：T+2日的收盘价（卖出价）
• 整个表达式计算的是(T+2收盘价)/(T+1收盘价)-1，即持有期收益率

注意：在实盘交易中，还需考虑交易成本（佣金、印花税等），但基础标签通常先不考虑这些因素

2. 不同持有期的标签设计策略

根据不同的交易策略，可以设计多种持有期标签：

2.1 短期交易标签

• 1日持有（T+1买入，T+2卖出）：

  python复制Ref($close, -2)/Ref($close, -1) - 1
  

• 3日持有：

  python复制Ref($close, -4)/Ref($close, -1) - 1
  

2.2 中长期标签

• 5日持有（一周）：

  python复制Ref($close, -6)/Ref($close, -1) - 1
  

• 20日持有（约一个月）：

  python复制Ref($close, -21)/Ref($close, -1) - 1
  

不同持有期标签的比较：