背景知识:Triple Barrier 标签方法

"传统的涨跌标签忽略了一个关键问题:你能拿住多久?"

传统标签的问题

假设你用机器学习预测明天 AAPL 是涨还是跌:

标签 = 1 if 明天收盘 > 今天收盘 else 0

问题在哪?

传统标签完全无视过程中的波动和风险管理。

Triple Barrier 的核心思想

设置三个"屏障",哪个先触及就决定标签:

三个屏障:

1. 上屏障(Upper Barrier):价格上涨到止盈位 → 标签 = 1
2. 下屏障(Lower Barrier):价格下跌到止损位 → 标签 = -1
3. 时间屏障(Vertical Barrier):持有期结束 → 标签 = 0 或按收益方向

具体计算示例

设定:

• 入场价:$185.00 (AAPL)
• 止盈:2%($188.70)
• 止损:1%($183.15)
• 最大持有期:5 天

情景一:第 2 天触及 $189.00

结果:触及上屏障
标签:1(盈利出场)
实际收益:+2%

情景二:第 3 天跌到 $182.50

结果:触及下屏障
标签:-1(止损出场)
实际收益:-1%

情景三:5 天内在 $184-$187 震荡

结果:触及时间屏障
标签:0 或根据最终价格
实际收益:取决于出场价

动态屏障:基于波动率

固定 2% 止盈在不同市场环境下不合理:

解决方案:用 ATR(平均真实波幅)或滚动标准差定义屏障

上屏障 = 入场价 × (1 + k × σ)
下屏障 = 入场价 × (1 - k × σ)

其中:
  σ = 过去 20 天收益率标准差
  k = 倍数(通常 1-3)

实例:

• σ = 1.5%
• k = 2
• 入场价 = $185

上屏障 = $185 × (1 + 2 × 1.5%) = $190.55
下屏障 = $185 × (1 - 2 × 1.5%) = $179.45

非对称屏障

真实交易中,止盈和止损常常不对称:

趋势策略示例:

止盈 = 3 × 1.5% = 4.5%
止损 = 1 × 1.5% = 1.5%

胜率只需 >25% 就能盈利:
期望 = 胜率 × 4.5% - (1-胜率) × 1.5%
当胜率 = 30%:期望 = 0.3% (正收益)

标签分布的重要性

Triple Barrier 产生三类标签,分布会影响模型训练:

类别不平衡处理:

• 过采样少数类(SMOTE)
• 欠采样多数类
• 调整类别权重
• 调整屏障宽度使分布更均匀

与传统标签的对比

多智能体视角

在多智能体架构中,Triple Barrier 可以这样应用:

Signal Agent:预测标签(1, 0, -1)
     ↓
Risk Agent:动态调整屏障宽度
     ↓
     - 高波动期 → 宽屏障,避免频繁止损
     - 低波动期 → 窄屏障,提高资金效率
     ↓
Execution Agent:监控屏障触发,执行出场

常见误区

误区一:屏障设得越宽越好

不对。宽屏障虽然减少止损触发,但:

• 单笔亏损更大
• 资金占用时间更长
• 可能错过其他机会

误区二:时间屏障不重要

很重要。没有时间屏障,资金可能被长期套牢。5 天还没触发任何屏障,说明判断可能错误,应该出场重新评估。

误区三:Triple Barrier 标签一定比传统标签好

不一定。如果你的策略本身不用止盈止损(如 T+1 必须次日卖出),传统标签可能更匹配。标签方法要与实际交易逻辑一致。

实用建议

1. 从简单开始:先用固定比例屏障,验证有效再加入波动率调整
2. 检查标签分布:三类标签比例差异过大时需要调整
3. 回测要一致:训练用 Triple Barrier,回测也要模拟相同的止盈止损逻辑
4. 考虑交易成本:屏障过窄会导致频繁交易,成本吞噬收益

总结