suncong/ylabels

return_y 收益率标签

由掘金 A 股分钟收盘价生成的日频收益率标签。根目录的 return_y.pkl 和 return_y.parquet 保存相同的 pandas DataFrame：行索引为标签日期（Python date）， 列为六位股票代码，值为小数收益率（0.01 表示 1%）。缺失值保留为 NaN。 生成端在上传前逐值精确核对 Pickle 和 Parquet，并在同一次提交中发布两种格式。

每天行情更新完成并通过检查后发布；同名文件随新提交更新，历史版本从提交记录访问。 提交说明记录运行日期和标签截止日期。 交易日以行情目录日期为准。默认起点 2021-12-31 向前扩展 18 个交易日， 并保留扩展后的全部标签；标签截止运行日期之前第二个交易日。 例如运行日期 2026-09-08 对应标签 2021-12-07 至 2026-09-04。

计算口径

沿用源程序的原始 CSV 行序，先按日向前填充价格，再对完整分钟序列做两点滚动均值。 每日按 240 行位置采样；当行序为正常分钟顺序时，T 日标签表示 T+1 日 09:38–09:39 均价买入、T+2 日 09:35–09:36 均价卖出的收益率： (卖价 - 买价) / 买价。计算结果向前移两日并去掉末尾两日。

相对前一交易日最后两分钟均价，买入价绝对涨跌幅超过阈值时被排除： 00/60 开头代码阈值 9.85%，其余代码阈值 19.85%。 8/9 开头代码还沿用原程序的 change < 100 排除条件。 保留原始缺失值和数值运算结果，不额外排序、填零、裁剪收益率或加入交易费用。 股票列为历史数据的并集，因此不同日期可有不同的有效股票数量。

读取

import os
os.environ["HF_ENDPOINT"] = "https://hf-mirror.com"
os.environ["NO_PROXY"] = "*"
os.environ["no_proxy"] = "*"

import pandas as pd
from huggingface_hub import hf_hub_download

# 固定提交哈希以复现某一历史版本。
revision = "<commit hash from the dataset history>"
# 仅反序列化你信任的数据源。
pickle_path = hf_hub_download(
    "suncong/ylabels", "return_y.pkl", repo_type="dataset", revision=revision,
)
return_y = pd.read_pickle(pickle_path)