标签： #表征学习

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）。