标签视界悖论：论金融预测中监督目标的重新思考
机器学习
2026-02-12 v3
摘要
虽然深度学习通过精细化的体系结构颠覆了金融预测，但监督信号的设计极少受到 scrutiny。我们挑战了训练标签必须严格镜像推断目标的规范假设，揭示了标签视界悖论：最优监督信号常常偏离预测目标，在市场动态的作用下，这种偏离会随着中间视界而变化。我们在动态信噪比 trade-off 下对该现象进行了理论 grounding，表明泛化取决于边际信号实现与噪声累积之间的竞争。为 operationalize 这一洞见，我们提出了一个双层优化框架，该框架在单次训练运行中自主识别最优代理标签。大规模金融数据集上的大量实验表明，本研究在常规基准之上实现了持续的改进，从而为金融预测中的标签中心研究开辟了新途径。
引用
@article{arxiv.2602.03395,
title = {The Label Horizon Paradox: Rethinking Supervision Targets in Financial Forecasting},
author = {Chen-Hui Song and Shuoling Liu and Liyuan Chen},
journal= {arXiv preprint arXiv:2602.03395},
year = {2026}
}