标签： #对比学习

对比学习用「同标的增强视图=正对、不同标的=负对」把股票压成可迁移表征。但负样本怎么选，决定模型学到的是噪声还是真信号。本文用 numpy 从零复现四类负采样：难负例（高相似、确属异板块）把 InfoNCE 损失压到 0.355、下游分类 1.000；错标签负例（没剔除同板块）损失飙到 7.28、准确率掉到 0.276；随机负例易满足却学最浅。并做难负比例消融：纯难负反而不如适度混入——倒 U 形态。附完整 Python 与四张真实计算图。

股票之间的行业关系不该只靠 GICS 分类表写死——真实的行业联动是随宏观 regime 漂移的。图对比学习(GCL)把'股票=节点、收益相关=边'建成图，用子图扰动(删边/加噪/特征掩码)造正负样本，让同一个行业在表征空间里自然聚拢、不同行业推开。本文numpy从零实现GraphSAGE编码器+InfoNCE损失，受控实验证明学到的行业嵌入与真实相关的Spearman ρ从0.30提升到0.85，并诚实标注'它学的是相关性结构不是收益方向'。

监督学习要标签，金融标签又贵又滞后。对比学习（Contrastive Learning）走另一条路：不预测「是什么」，只学「什么和什么像」——把同行业股票拉近、跨行业股票推远。本文用纯 numpy 从零实现 SimCLR 风格的 InfoNCE 预训练（两层 MLP 投影头，端到端训练），在 42 支股票 / 3 行业的合成数据上，把它和「直接用原始特征」做下游少标注探针对比：每行业只给 1~3 个标注时，对比表征把分类精度从 0.50/0.54/0.58 抬到 0.57/0.61/0.61，且增益随标注变多而收敛——正是「标签越稀缺越值得预训练」的教科书结论。附完整代码与五类真实陷阱（中阶）。