在说这件事之前，先来聊聊label的事儿。
label就是你预测的目标，它是一个未来的值，最常见的是未来的收益率，第二常见的是未来的波动率，它还可以再复杂一些，比如未来一个固定收益率的阈值，预测的目标是收益率会不会超过这个固定的阈值。
label可以是一个连续的值，比如连续的收益率或者波动率。也可以是简单的-1/0/1分类，分别对应下跌、持平和上涨。
上面是label的背景。现在我把label锁定为未来的收益率，有几种方式可以计算收益率。
我一般采用两种方式计算收益率。第一种是用收盘价来算，第二种是用vwap来算，可以算对数收益率，也可以算百分比收益率。
用哪一种价格来算收益率好呢?
收盘价是一个采样价格，是最后交易时段的一个瞬时价格，它反映了价格的最终走势。缺点也显而易见，它没有考虑到整个时间段的成交量信息，并且在流动性较低时，这个采样价格可能会被操纵。
我经常看到一些策略分享，这些分钟级别的策略用收盘价撮合回测，最后得到了一条四十五度笔直向上冲的曲线——这往往都是自娱自乐的假象，真实交易的时候spread会把微薄的利润吃干抹净。
另一种vwap价格，它考虑了整个时段的成交量，反映了一个更公允的价格水平，也更难被操纵。但由于vwap是基于整个交易时段的价格和成交量来计算的，它是一个累积的值，所以在价格波动时vwap并不能迅速做出反应。
思虑再三，我决定用能刻画整个交易时间段成交量信息的vwap，来计算收益率，进而用来寻找优秀的因子。在构造好初始特征和算法后，一锅一锅的因子应运而生。
接下来，我紧锣密鼓地把这批因子喂进模型，得到最后的仓位，然后测算真实的回测收益。
就在这一步，我犯了个很傻笔的错误。在测算真实回测收益时，我用到的收益率是vwap的收益率。于是…
几乎所有样本内外的回测长的都像上图，一根根45°拔地而起的窜天猴让我喜出望外，感觉明天就能把摊子支棱起来了。
但是心里隐隐约约觉得肯定有不对的地方，然后我回过头来仔细检查，我的回测代码和数据都木有问题，错就错在vwap来计算收益率这个地方。
不仅仅因为vwap是一个不能被成交到的价格，而且这个vwap还有一个隐藏的坑，它还包含了一部分已经发生的历史信息，这一段信息已经被很多因子描述出来了，我获得了错误的价格优势，所以回测曲线呈现出vwap收益率和因子极为明显的线性关系。
然后我重新调整到用收盘价来计算收益率，终于得到了合理的稳定亏损曲线，好了可以洗洗睡了：
以上就是一个傻逼错误从产生到被发现的故事。