标签： #表征学习

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。

牛/熊/震荡这种市场状态，硬切成几类是丢了信息的——真实市场是在连续光谱上滑动的。变分自编码器（VAE）能把一个高维市场微观状态向量压缩进低维隐空间，训练后从中挑一个维度，就得到一条平滑、可解释的『连续市场状态曲线』。本文用纯 numpy 从零实现 VAE（含手写重参数化反向），在受控数据上证明：隐变量与真值 regime 的 1-NN 验证相关达 -0.82、与趋势/波动率原始维度的相关分别 -0.78/-0.75，重建 MSE 仅 0.52，且 β 权衡可调节隐空间的规整度。附完整 Python 与四张真实计算图。

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）。

普通自编码器能把 20+ 维量价特征压成 5 维新因子，但它只给你一个"点估计"编码，不知道哪个样本编码得靠谱。变分自编码器 VAE（Kingma & Welling 2014）把编码器变成"一个分布"，每个样本得到一个 (μ, σ²) 的编码高斯——于是除了新因子，你还免费拿到"这个因子值有多可信"。本文用纯 numpy 从零实现 VAE（重参数化技巧 + ELBO），在"3 潜因子驱动收益 + 大量噪声特征"的合成数据上，VAE 组合因子与未来收益 |IC|=0.695，并诚实演示"不确定性到底能不能当信号过滤器"这个反直觉结果，附完整代码与五类真实陷阱（中阶）。