fithia2/dev/finished/phase3_deliverables/labeling_and_dataset_spec.md

Labeling and Dataset Specification

1. 목적

Phase 4 백테스터와 모델 학습을 위해 누수 없는 event-level labels를 생성한다.

2. 핵심 정의

filing timestamp

SEC filing 또는 허용된 원문이 실제로 공개된 시각.

reaction date

시장 참여자가 해당 이벤트를 정규장 가격으로 반영한 첫 거래일.

규칙:

• 장 시작 전 공개 → 같은 거래일이 reaction date
• 정규장 중 공개 → 같은 거래일이 reaction date
• 장 종료 후 공개 → 다음 거래일이 reaction date

entry convention

Phase 3에서는 아래 2개만 공식 지원:

• next_open_after_reaction_close
• dayplus1_close

기본 백테스트/학습 convention:

• next_open_after_reaction_close

3. 라벨 종류

return labels

• fwd_return_1d
• fwd_return_3d
• fwd_return_5d

정의:

• entry price 대비 N 거래일 후 종가 수익률

binary labels

• hit_pos_1r_within_3d
• hit_neg_1r_within_3d
• close_up_after_3d
• close_up_after_5d

path labels

• mfe_3d
• mae_3d
• mfe_5d
• mae_5d

timing labels

• bars_to_mfe_3d
• bars_to_mae_3d
• days_to_peak_close_5d

4. Entry/Exit price 정의

기본 엔트리

next_open_after_reaction_close

• entry_date = reaction_date 다음 거래일
• entry_price = entry_date 공식 open

보조 엔트리

dayplus1_close

• entry_date = reaction_date 다음 거래일
• entry_price = entry_date close

라벨용 가상 exit

• N일 종가 exit
• stop/target path 계산용 intraday high/low 사용 가능

5. Stop/Target path rules

연구용 path label에만 사용:

• risk unit R는 entry와 initial stop 차이
• initial stop 기본값은 reaction_day_low 또는 1 ATR, 둘 다 보관 가능

필수 저장:

• risk_model_name
• initial_stop_price
• initial_r_value

6. 결측 처리

• horizon 기간 내 상장폐지/거래정지 발생 시 label_status = truncated
• 데이터 누락 시 label_status = unavailable
• 반응일 자체가 형성되지 않으면 record drop 금지, invalid_event_for_labeling = true

7. Dataset splits

기본 split

• train: 과거 구간
• validation: 그 다음 연속 구간
• test: 가장 최근 연속 구간

금지

• 랜덤 split
• 동일 issuer/event family가 train/test에 동시에 섞이는 split

권장

• walk-forward split
• earnings season 단위 성능 분리
• bull/bear regime 분리

8. Snapshot 생성 규칙

스냅샷은 immutable artifact여야 함.

필수 메타데이터:

• snapshot_id
• created_at
• code_commit_hash
• feature_version
• parser_version
• label_version
• split_policy
• included_sources

출력 형식:

• datasets/snapshots/<snapshot_id>/train.parquet
• datasets/snapshots/<snapshot_id>/valid.parquet
• datasets/snapshots/<snapshot_id>/test.parquet
• manifest.json

9. QA 필수 점검

• reaction date가 filing timestamp와 일관적인가
• entry_date가 거래일 달력상 유효한가
• forward window에 future leakage가 없는가
• delisting/halts 처리 규칙이 일관적인가
• label 분포가 특정 연도/섹터에 치우치지 않는가