Meta-Labeling：方向与仓位

两个模型胜过单个模型。主模型决定方向（多、空、不交易），次级模型决定仓位（满仓、半仓、零仓）。Meta-labeling 把方向和置信度分开。

第 12 篇 · 共 12 篇约 11 分钟

Meta-Labeling：为什么两个模型胜过单个

单个模型同时预测“买”还是“卖”，相当于在同时做两件事：决定交易方向，又决定仓位大小。这两件事对信息的需求不同。一个 60% 正确率的模型，和一个“满仓时 60% 正确”的模型不是一回事。同一个模型，用半仓的话，预期 P&L 减半，波动率也减半。应该加仓还是减仓，取决于置信度，不是方向。

Meta-labeling 把问题拆成两块。主模型预测方向：做多、做空还是不做？次级模型预测 meta-label：主模型的预测是否正确？次级模型的输出变成仓位大小。

参考是 AFML 第 3 章，§3.6–3.7。这一节短而密。大部分价值在于框架，不在数学。

（López de Prado, M., Advances in Financial Machine Learning, 第 3 章，§3.6–3.7。ISBN 978-1119482086。）

架构

三个组件。

主模型：预测方向。输出是 $-1$ 、 $0$ 或 $+1$ 。在三重障碍标签上训练。主模型的职责是识别交易机会。不需要校准，只需要方向上比随机更对。

次级模型：预测主模型是否正确。输出是 $[0, 1]$ 之间的概率。在 meta-labels 上训练：给定主模型做了预测，主模型是否预测对了？次级模型负责估计置信度。

仓位管理：把次级模型的输出映射到仓位大小。0.7 的概率可能映射到 70% 资金；0.55 的概率可能映射到 10%。映射关系是超参数。

伪代码架构：


side = primary_model.predict(X[t])             # -1, 0, or +1
if side != 0:
    confidence = secondary_model.predict_proba(X[t])
    size = confidence_to_size(confidence)
    execute_trade(side=side, size=size)

主模型是二分类（如果包含不交易，则是三分类）。次级模型是在条件集合“主模型预测非零”上的二分类。

为什么这样能起效

三个理由，每个都基于金融数据的实际行为。

理由 1：两个模型目标不同。

主模型追求方向准确率。它想尽量多地对。它不在乎置信度：51% 置信的预测和 99% 置信的预测都得到同一个 $+1$ 标签。

次级模型追求预测“主模型是否对”，前提是主模型做了预测。它在乎置信度。51% 置信的主预测应该降权；99% 置信的主预测应该加仓。

这种分离让每个模型都更容易训练。主模型损失更简单（方向上的交叉熵）。次级模型损失不同（正确性上的交叉熵）。把它们合成一个多目标模型，比训练两个专家更难。

理由 2：两个模型可以用不同特征。

主模型用预测方向的特征：动量、价值、情绪、宏观。次级模型用预测置信度的特征：状态指标、波动率、交易时段、微观结构。两套特征往往是不相交的。

举个例子，主模型可能用 20 天动量信号。次级模型可能用过去 5 天的实现波动率，因为近期高波动率说明主模型的信号更不可靠。特征不同，是因为目标不同。

理由 3：仓位管理处理了风险管理。

单模型策略的常见失败模式：每笔交易仓位一样。无论赚亏，策略都投入同样多的资金。只有在每个预测的置信度都相同时，这才能算最优，但实际几乎从来不成立。

Meta-labeling 修复了这一点。次级模型给出 0.55 置信度的主预测，是半仓交易；给出 0.95 置信度的主预测，是满仓交易。每单位风险的预期 P&L 在不同交易之间更均匀，策略整体夏普也更高。

（AFML, §3.6.1–3.6.2。）

Meta-Label

Meta-label 定义为：主模型的预测是否正确。

m_i = \mathbb{1}[\text{primary prediction at time } t_i \text{ matches realized outcome at } t_i + h]

对多空策略：如果主模型说“多”，价格涨了（或说“空”，价格跌了），那么 $m_i = 1$ ，否则 $m_i = 0$ 。

有一个细节：meta-label 只在主模型做了预测的时刻计算。如果主模型在时点 $t$ 预测“不交易”，那么 $t$ 就没有 meta-label。这点很重要：次级模型是在条件分布 $P(\text{正确} | \text{主模型预测})$ 上训练，不是边缘分布 $P(\text{正确})$ 。

实际中：

meta_labels = []
for t in times_when_primary_predicted:
    prediction = primary_model.predict(X[t])
    actual = realized_outcome(t)
    meta_labels.append(1 if sign(prediction) == sign(actual) else 0)

次级模型在这些 meta-labels 上训练。

（AFML, §3.6.3。）

训练次级模型

三个步骤。

步骤 1：在样本外数据上生成主预测。

主模型应该在一个训练集上拟合，meta-labels 应该在另一个集合上计算（通常是用于主模型超参数选择的验证集）。如果在主模型的训练集上算 meta-labels，次级模型会学到预测样本内准确率，但样本内准确率总是很高，没有信息量。

一种干净的做法：走 walk-forward 交叉验证。在数据 $[0, T_1]$ 上拟合主模型，在 $[T_1, T_2]$ 上预测，记录主预测和实际结果。然后在 $[0, T_2]$ 上重新拟合主模型，在 $[T_2, T_3]$ 上预测，以此类推。每个主预测都是真正样本外的。Meta-labels 由这些样本外预测算出。

步骤 2：在 meta-labels 上训练次级模型。

次级模型的特征通常和主模型一样，再加上一些和置信度相关的特征（波动率、状态指标）。目标是 meta-label。

常见做法：次级模型用简单、有正则化的模型（带 L2 正则的逻辑回归）。主模型可以用更复杂的（梯度提升、神经网络）；次级模型应该保守。

步骤 3：校准次级模型。

次级模型的输出应该是校准后的概率：说 0.7 的时候，主模型在样本外应该有 70% 的概率正确。用 Platt 缩放或 isotonic 回归做校准。

校准为什么重要：仓位管理是次级模型输出的函数。如果输出没有校准，仓位就不对，策略的风险敞口也不是你设计的样子。

（AFML, §3.6.5。）

仓位管理函数

把次级模型输出映射到仓位大小的函数。三种常见形式。

线性：size = p，其中 $p$ 是次级模型输出。0.7 的概率变成 70% 仓位。简单，但 0.51 概率也会有 51% 仓位，可能过于激进。

截断：size = 0 当 $p < p_{\min}$ ，size = 1 当 $p > p_{\max}$ ，中间线性插值。阈值是超参数。这样可以避免在边缘交易上下注。

幂函数：size = p^k， $k > 1$ 。0.7 概率变成 $0.7^2 = 0.49$ 仓位。幂函数对低置信度预测降权更激进。当你想把资金集中在高确信度交易上时很有用。

实务中的常见选择：截断形式， $p_{\min} = 0.55$ ， $p_{\max} = 0.85$ 。低于 0.55，不交易（这会过滤掉边缘预测）。高于 0.85，满仓（你已经足够确信可以部署全部资金）。中间线性插值。

更精细的选择：在验证集上同时优化阈值和函数形式，用夏普或其他风险调整后收益指标作为目标。

一个重要性质：仓位不影响方向

Meta-labeling 架构有一个重要性质：仓位不影响方向。被设为 10% 仓位的交易仍然是多头（或空头）。主模型的预测没变。

这很重要，因为它意味着主模型的准确率不会因为仓位管理而改变。如果主模型 55% 的时候是对的，那么无论怎么调整赚亏的仓位，它都是 55% 的时候是对的。Meta-labeling 带来的夏普提升完全来自仓位：高置信度赚的交易满仓，低置信度赚的交易小仓位，低置信度亏的交易变成不交易（仓位为零）。

对比单模型架构，模型输出 $[-1, +1]$ 之间的连续预测，仓位就是预测的绝对值。在这种架构下，方向和仓位是耦合的：预测 $-0.3$ 是小空头，预测 $-0.9$ 是大空头。如果模型校准良好，这也能工作。但大多数模型校准得不好，耦合会带来问题。

Meta-labeling 把两者解耦，每个模型都更容易讲清楚。

（AFML, §3.6.4。）

完整例子

设定：美国大盘股多空策略，日频再平衡，持仓期 5 天。主模型是用三重障碍标签训练的梯度提升分类器。特征包括 20 天动量、60 天均值回归、价值、质量和几个行业哑变量。

主模型输出： $-1$ （空）、 $0$ （不交易）或 $+1$ （多）。在带 $k = 1$ 障碍的三重障碍标签上训练。

次级模型：带 L2 正则的逻辑回归，在 meta-labels 上拟合。特征和主模型一样，加上实现波动率和一个状态指标（基于 200 天均线的牛市/熊市）。

仓位管理：size = 0 当 $p < 0.55$ ；size = (p - 0.55) / 0.30 当 $0.55 \leq p \leq 0.85$ ；size = 1 当 $p > 0.85$ 。

在 2010–2024 上走 walk-forward 验证，主模型每个季度重拟合，次级模型每年重拟合。

结果（示意，不是真实回测）：

单用主模型：53% 准确率，夏普 1.2。
主模型 + 等权：和上面一样。
主模型 + meta-labeling：53% 准确率（不变），但因为加了仓位管理，夏普 1.7。

准确率不变是因为主模型的预测没变。夏普提升是因为资金集中在高置信度交易上。次级模型不确定的交易变成不交易；次级模型确信的交易得到满仓。

夏普提升 0.5 比较典型。在某些策略上，可能提升 1.0 甚至更多。

常见陷阱

反复出现的五种陷阱。

陷阱 1：在样本内主预测上训练次级模型。

如果主模型在 $[0, T]$ 上拟合，次级模型也在主模型在 $[0, T]$ 上的预测上拟合，那么次级模型学到的是预测样本内准确率，但样本内准确率高且无信息。要用 walk-forward：主模型在 $[0, T_1]$ 上拟合，主预测在 $[T_1, T_2]$ 上做，次级模型在这些样本外预测上拟合。

陷阱 2：两个模型用相同的特征。

主模型用预测方向的特征。次级模型应该用预测置信度的特征，两者可能有重叠但不应完全相同。至少加 2–3 个专门预测置信度的特征：波动率、状态、交易时段、微观结构。

陷阱 3：把 meta-label 和方向预测混淆。

Meta-label 是“主模型是否对”，不是“市场是否涨”。如果主模型说“多”，市场涨了，meta-label 是 1（正确）。如果主模型说“多”，市场跌了，meta-label 是 0（错）。如果主模型说“不交易”，就没有 meta-label。

陷阱 4：忘了对“不交易”不施加仓位。

如果主模型说“不交易”，次级模型不跑。仓位为零。这是对的。

陷阱 5：在低准确率主模型上使用 meta-labeling。

Meta-labeling 能改进 53% 准确率的主模型。但它不能把 51% 准确率的主模型变成赚钱的策略。在 meta-labeling 起作用之前，主模型的基础正确率需要高于 50%，理想情况是高于 53%。低于 50%，次级模型基本就是噪声。

什么时候不用 Meta-Labeling

三种情况。

情况 1：主模型准确率很高（>70%）。 如果主模型 70% 以上的时候是对的，仓位管理就不太重要。你可以等权下注，仍然能拿到不错的夏普。

情况 2：需要连续仓位管理。 如果策略做的是连续仓位管理（例如风险平价或波动率目标），meta-labeling 的二元仓位可能不合适。改用连续仓位管理模型。

情况 3：交易成本占主导。 如果策略换手率高到交易成本超过 meta-labeling 带来的收益，就跳过次级模型。主模型的高换手会吃掉收益。

其他大多数情况下（特别是日频再平衡的多空股票、外汇或期货策略），meta-labeling 都值得引入这种额外的复杂性。

一个微妙的实现细节

训练次级模型时，要小心一件事：次级模型应该用样本外的主预测训练，不能用样本内预测。

标准工作流：

用净化后的 walk-forward CV 把数据分成训练集和测试集（参见交叉验证一文）。
在训练集上拟合主模型。
在测试集上生成主预测。
从测试集的实际结果计算 meta-labels。
在（测试集特征，meta-labels）上拟合次级模型。

第 5 步用了测试集，对主模型来说是样本外，但对次级模型来说是样本内。为了避免泄露，要用嵌套交叉验证：

外层 CV：分成训练/测试。
内层 CV 在训练集上：拟合主模型，在内层验证折上生成预测，计算 meta-labels，拟合次级模型。
把两个模型都应用到外层测试集。

这在计算上很贵，但能产生一个诚实的 meta-labeling 系统。简单的单层做法在实务中也能用，但会引入一些乐观偏差。

一个折中：使用单次 walk-forward 切分。在 $[0, T_1]$ 上拟合主模型，在 $[T_1, T_2]$ 上生成主预测，在这些预测上拟合次级模型。这样能用一层 CV 产生一个诚实的次级模型。偏差很小。

（AFML, §3.6.5。）

多分类 Meta-Labeling

标准 meta-labeling 有两类（正确、错误）。对多分类主模型（例如多、空、不交易），meta-labeling 可以扩展到多类：

如果主模型选中了赢的类，meta-label = 1。
如果主模型选中了亏的类，meta-label = 0。

对三类（多、空、不交易），meta-label 是二值的：主模型的类是否是赢家。次级模型是（特征，主类）上的二分类。

仓位管理依赖 meta-label 和主类。高置信度的“多”预测（meta-label 概率 0.7）满仓。高置信度的“空”预测（meta-label 概率 0.7）满仓。高置信度的“不交易”预测（meta-label 概率 0.7）……不仓位，因为主模型已经说了不交易。

多分类扩展很直接，应用的就是同一个原则：把方向和仓位分开。

SNO 框架

AFML 中还有一种相关框架：Sequential No-Trade（SNO）。思路是：让主模型只输出两类（多、空），用 meta-model 决定是否交易。

SNO 框架：

主模型：预测多 vs 空（二分类）。
次级模型：预测是否交易（二分类：交易或不交易）。
仓位管理：结合两个预测。

优势是：主模型更简单（二分类而不是三类）。次级模型可以用主模型没有的特征。

典型实现：主模型在三重障碍标签上训练，多 = +1，空 = -1，丢掉不交易。次级模型训练主模型的预测是否盈利。仓位管理基于次级模型的置信度。

这和 meta-labeling 类似，只是把“要不要交易？”和“哪个方向？”分开。一些从业者觉得这种做法比标准 meta-labeling 更清晰。

（AFML, §3.6.6。）

Meta-Labeling 不解决什么

三件事 meta-labeling 处理不了。

它不创造 alpha。 Meta-labeling 改进的是仓位大小，不是方向。如果主模型不比随机好，meta-labeling 也帮不了。你需要的是一个预期正确率为正的主模型。

它不降低交易成本。 如果主模型换手率高，meta-labeling 不会降低。事实上，如果次级模型波动大，meta-labeling 反而可能提高换手。要额外加换手约束或持仓期约束。

它处理不了容量限制。 如果策略大到足以影响价格，meta-labeling 不会处理市场冲击。要用执行算法或仓位大小约束。

这些是 meta-labeling 的局限，不是批评。Meta-labeling 是工具箱中的一件工具，它在自己的用途上，也就是改进仓位管理，表现很好。

更大的视角

Meta-labeling 是一个更广泛原则的应用：把你预测的事和应该下多少注分开。这个原则适用于量化机器学习的许多领域：

方向 vs 仓位（本文）：方向 vs 置信度。
入场 vs 出场：何时进场 vs 何时离场。
选股 vs 权重：选哪些资产 vs 如何加权。
Alpha vs 风险：预期收益 vs 预期风险。

每次分离都让你可以在更聚焦的问题上训练一个专家模型，这通常胜过试图把一切都装进一个模型。

Meta-labeling 架构也是经典机器学习中 stacking 的基础：训练几个基模型，再在它们的预测上训练一个 meta-model。Meta-model 学会组合基模型。在金融机器学习里，基模型预测方向，meta-model 预测仓位。想法一样，标签不同。

（López de Prado, M., Advances in Financial Machine Learning, 第 3 章，§3.6–3.7。ISBN 978-1119482086。）