在机器学习选股中，研究者通常将注意力集中在两个方面：一是不断扩充公司特征，二是尝试更复杂的预测模型。然而，一个更基础的问题却常常被忽略：模型究竟在预测什么？
现有研究大多直接使用未来一个月或一年的股票收益率作为标签，并将其原样输入模型。论文《Label alchemy: Target engineering for improved stock selection》(2026年9月22日)则提出，预测目标本身同样需要“工程化”。在固定股票池、公司特征和模型的情况下，仅仅改变标签的表达方式，就可能显著提升组合表现。
研究发现，原始收益率标签对应的多空组合夏普比率为0.68，而将同一收益率转化为横截面高斯化排名后，夏普比率提升至1.69；最佳标签的夏普比率甚至达到1.74。换言之，在股票选股问题中，标签的设计可能比模型的复杂程度更加重要。
核心思路
论文将标签设计拆解为三个维度：Location、Scale和Shape，分别对应位置、尺度和分布形状。
第一，Location关注收益率需要相对于什么基准进行衡量。例如，可以直接使用原始收益率，也可以减去全市场平均收益、行业平均收益，或者进一步剔除主成分和Fama-French六因子所解释的部分。其核心思想是：投资者真正关心的，可能并不是股票的绝对收益，而是它相对于市场、行业或系统性风险的超额表现。
第二，Scale关注标签是否需要标准化。研究分别考察了横截面标准差、稳健尺度以及个股过去波动率等方式。标准化能够降低极端收益率对平方损失函数的支配作用，避免少数“彩票型股票”过度影响模型训练。
第三，Shape关注如何改变标签的分布。除了保留原始收益率，研究还使用了百分位排名、高斯化排名和“是否战胜行业或市场中位数”的二元标签。其中，高斯化排名首先将收益率转换为横截面排名，再通过逆正态变换映射到近似正态分布。
研究者在30种组合中筛选出15种具有代表性的标签，并将其应用于固定的梯度提升树模型。同时，研究还使用弹性网络和神经网络进行检验，从而区分标签设计与模型选择的影响。
实证数据包括2002年1月至2026年3月的1,960只美国股票，共计约44.7万条股票—月份观测。模型采用严格的扩展窗口滚动预测，每年重新训练，并在样本外按照模型得分构建多空十分位组合。
实证结果
首先，标签工程显著改善了选股表现。
2010年至2026年的完整样本中，原始收益率标签的多空组合夏普比率仅为0.68，最大回撤达到-31%，其秩信息系数的统计量也只有0.9，基本无法拒绝无预测能力的假设。
相比之下，高斯化排名标签的夏普比率达到1.69，年化收益率为19.8%，年化波动率为11.7%，最大回撤仅为-10%，月度胜率达到74%。行业标准化标签表现同样突出，夏普比率为1.56；普通横截面z-score标签的夏普比率为1.53。
其次，尺度变换和分布变换的效果明显优于简单去均值。
仅仅将收益率减去市场均值，夏普比率从0.68提升至1.15；进一步进行横截面标准化后，夏普比率提升至1.53。这说明，标签中的收益率尺度会影响模型的损失函数，使极端观测获得过高权重。
高斯化排名则结合了排名与标准化的优点。百分位排名能够更好地刻画股票之间的相对顺序，但z-score标签在构建多空组合时表现更好。高斯化排名同时保留了横截面排序信息，又将标签分布调整为更适合回归模型学习的形态，因此取得了最佳结果。
第三，行业和因子中性化具有一定增益。
行业z-score标签的夏普比率达到1.56，位居全部标签第二位。PCA残差、PCA残差排名以及Fama-French六因子残差标签的夏普比率分别为1.16、1.28和1.28，均明显优于原始收益率标签。这表明，模型预测相对行业或系统性风险的表现，可能比预测绝对收益更加有效。
不过，个股波动率缩放并没有带来同样的改善。vol_scaled和vol_scaled_rank的夏普比率分别只有0.36和0.66，同时换手率更高。原因可能在于，个股过去波动率与未来波动率并不稳定一致，除以历史波动率会重新排列股票横截面，反而削弱原本有效的收益预测信号。
标签工程的优势在不同预测期限下依然存在。1个月预测中，最佳标签相较原始标签的夏普差距约为1.01；3个月、6个月和12个月的差距分别缩小至0.60、0.25和0.30。也就是说，标签设计在短期预测中尤其重要，因为短期收益噪声更大，更容易受到极端值和分布形态的影响。
更重要的是，标签结论并不依赖于某一种机器学习模型。在梯度提升树、弹性网络和神经网络的比较中，领先的始终是z-score、高斯化排名以及部分因子残差标签，而原始收益率标签大多处于后列。方差分解显示，标签对表现差异的解释力度约为0.87，而模型本身仅为0.04，标签的影响约为模型的20倍。
结论
这篇论文的核心启示是：机器学习选股不应只关注“使用什么特征”和“选择什么模型”，还必须认真回答“模型应该学习什么目标”。
原始未来收益率并不一定是最适合选股的标签。对于横截面选股而言，投资者更关心的是股票之间的相对表现，因此，横截面排名、收益率标准化、行业中性化以及因子残差等标签设计，可能更符合组合构建的实际目标。
从实证结果看，最值得关注的方案是将未来收益率进行横截面排名，并进一步进行高斯化处理；如果投资组合强调行业中性，也可以考虑行业去均值或行业z-score标签。相反，简单使用原始收益率，或机械地按照个股历史波动率进行缩放，未必能够改善预测效果。
对于量化研究实践而言，标签不应被视为数据处理中的固定步骤，而应被视为与特征工程、模型选择同等重要的研究变量。未来还可以进一步考察交易成本、不同市场和不同频率下的稳健性，并将标签工程与排序学习、分位数损失和直接优化Rank IC等方法结合起来。
真正高效的机器学习选股模型，未必来自更复杂的算法，而可能始于一个更合理的预测目标。
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=7494298
