这个现象在量化里特别典型：模型会优先学“最容易降低 loss 的信号”，而这些信号往往是：
- 不可交易（跌停 / 停牌 / 流动性太差、成交冲击巨大）
- 不允许暴露（行业 / 风格 / beta 太强，后面优化器会剪掉）
- 看起来很准但其实是泄露 / 同步信息（时间戳没对齐、用到了收盘后才能知道的东西）
想让训练“无偏”（更准确说：对齐你最终能落地的 alpha key driver），常用办法可以按“从简单到高级”分四类：
1) 先把“不可实现的部分”从数据层面关掉
这是性价比最高的一步（很多时候比改 loss 更有效）：
- 严格可交易过滤：跌停 / 停牌 / 一字板 / 极端流动性日，直接把这些样本从训练或 label 里 mask 掉（不参与 loss）。
- 时间戳对齐：特征只用你下单前能拿到的版本；label 也按你真实成交价/成交时点定义。
- 训练集的股票池 = 实盘股票池：别让模型在训练时学到“小票、低流动性”带来的虚假 alpha。
这一步的目的：别让模型把“你根本做不到的收益”当成最省力的捷径。
2) 让 label 变成“你真正想赚的东西”
如果 label 本身就是“毛收益”，模型天然会偏向那些 毛收益很大但成本也很大 / 不可交易 的点。
常见更贴近落地的 label 设计：
- 净收益 label：用
未来收益 - 预估交易成本(冲击 + 手续费)
做 label（哪怕是粗糙成本模型也比没有强）。 - 排序型 label（Rank / LTR）：你最终是选股+组合，很多时候“排序正确”比“点值预测准”重要。
- 残差 / 去暴露后的 label：比如先把未来收益对行业 / 风格 / beta 回归，拿 residual 当 label（对应“特质 alpha”）。
3) 在 loss 里直接“惩罚捷径”
重点：怎么让模型别学到不该学的 driver。
A. 暴露惩罚（你们很适用：行业也约束）
在 loss 里加一项：让模型输出分数与行业/风格暴露“不要太相关”：
- 惩罚
corr(score, style_expo)、corr(score, industry_dummy) - 或惩罚组合层面的暴露（用一个简单可微的“从 score 到权重”的映射做代理）
直觉：模型想靠行业赚钱 → loss 会痛 → 它就会去找更“特质”的解释。
B. 成本 / 换手惩罚
如果你们最终受换手/冲击成本约束，训练里就把“频繁变动”变贵：
- 惩罚
|score_t - score_{t-1}|（时间平滑） - 或更接近持仓层：惩罚
|w_t - w_{t-1}|的代理项
C. 分组损失（防止模型只做行业轮动）
比如在行业内做 pairwise 排序 loss：
让模型学“同一行业里谁更好”，而不是“行业 A > 行业 B”。
D. 对尾部样本的稳健损失
Huber / Quantile 之类，让极端点不会主导梯度（避免模型为了少数极端样本扭曲常态）。
4) 更高级但更强：把“优化器目标”拉进训练（近似端到端）
“label 考虑风险约束”等，这条路能走，但通常不直接把“优化器输出收益”当 label，而是：
- 用一个 可微的近似组合构建层（比如 softmax 选股、或简单约束投影）
- 在训练目标里直接优化一个 组合层指标（例如：风险调整后的收益代理、或 IC 但带暴露惩罚）
优点：目标对齐
缺点：工程复杂、容易不稳定，需要强验证
一句话总结
要让模型不走捷径，最稳的顺序是：
先 mask 不可交易 → 再把 label 变成“净的 / 残差的” → 再加暴露与换手惩罚 → 最后再考虑端到端。