技术摘要：存在后验漂移的过参数化模型

问题陈述

本文研究了后验漂移（也称为概念漂移）对过参数化线性模型（即参数数量 $p$ 超过观测数量 $n$ 的模型）样本外预测精度的影响。尽管近期文献（特别是 Kelly 等人，2024）表明，增加模型复杂度（参数与观测值的比率）可能有利于股权溢价预测，但这些发现通常依赖于数据生成过程（DGP）在训练和测试阶段保持不变的假设。

作者认为，在金融市场中，由于体制变化，这种不变性很少成立。具体而言，他们区分了两种类型的分布偏移：

1. 协变量漂移：预测变量分布（$P_X$）的变化。
2. 后验漂移：预测变量与目标变量之间条件关系（$P_{y|X}$）的变化，意味着回归系数（载荷）随时间变化。

核心问题在于量化后验漂移如何降低复杂过参数化模型的性能，特别是在市场择时策略的背景下。

方法论

本文结合了高维渐近理论、蒙特卡洛模拟以及对历史金融数据的实证分析。

理论框架

作者将 Hastie 等人（2022）的“误设各向同性”结果扩展到非独立同分布（non-i.i.d.）数据和后验漂移的设定中。

• 数据生成过程（DGP）：模型假设存在线性关系 $y_i = x_i'\beta + w_i'\theta + e_i$，其中 $x_i$ 为观测特征，$w_i$ 为未观测特征。由于代理方仅观测到 $x_i$，该模型被视为“误设”。
• 漂移机制：作者明确建模了训练期（样本内）和测试期（样本外）之间真实参数的变化。设 $(\beta_{is}, \theta_{is})$ 为训练期间的参数，$(\beta_{oos}, \theta_{oos})$ 为测试期间的参数。
• 渐近体制：分析在比例体制下进行，其中 $n, p, q \to \infty$，使得 $p/n \to c_\phi$ 且 $(p+q)/n \to c$。
• 估计量：研究聚焦于岭估计量（正则化参数为 $z$）及其在 $z \to 0$ 时的极限（无岭估计）。

实证协议

• 数据：作者使用了与 Kelly 等人（2024）相同的数据集，源自 Goyal 等人（2024），包含 14 个宏观经济指标和滞后收益率。
• 特征扩展：为了创建过参数化设定，他们采用**随机傅里叶特征（RFFs）**将 14 个预测变量扩展为 $p=600$ 个特征， resulting in a complexity ratio $c=50$（使用 $n=12$ 个月的滚动数据）。
• 验证：他们在各种 15 年子时期内测试该策略，并跨越一系列控制 RFF 非线性的带宽参数（$\gamma$）。
• 变点检测：为了实证验证后验漂移的存在，他们将多元非参数变点检测算法（Londschien 等人，2023）应用于估计贝塔值的时间序列。

主要贡献

1. 后验漂移的理论扩展

本文推导了在后验漂移下市场择时策略的期望收益和方差的解析表达式。

• 期望收益：样本外极限期望收益被证明与样本内和样本外载荷向量的标量积成正比：$E[r] \propto \langle \beta_{is}, \beta_{oos} \rangle$。
• 性能退化：作者证明，如果样本内和样本外载荷未对齐（具体而言，如果 $\langle \beta_{oos} - \beta_{is}, \beta_{is} \rangle < 0$），策略的期望收益将恶化。在最坏情况下（正交载荷），期望收益降至零。
• 风险调整后收益：夏普比率被证明对信噪比高度敏感。在信号微弱（金融数据的典型特征）的体制下，后验漂移会导致夏普比率显著崩溃，特别是对于低正则化（高复杂度）模型。

2. 模拟验证

通过蒙特卡洛模拟，作者验证了策略收益的一阶和二阶矩的理论极限确实成立。他们表明：

• 期望收益与标量积 $\langle \beta_{is}, \beta_{oos} \rangle$ 呈线性关系。
• 更高的正则化（更大的 $z$）降低了波动性，但也降低了期望收益，从而形成权衡。
• “双重下降”现象（即性能在复杂度超过插值阈值后随复杂度增加而提升）在存在漂移的情况下仍然成立，但峰值性能显著低于无漂移场景。

3. 不稳定的实证证据

实证分析显示，过参数化模型的性能对时间段和带宽参数均高度敏感：

• 时期敏感性：在 2005–2019 年期间产生 7.24% 月收益率的策略，在相同的带宽设置下，在 1975–1989 年期间崩溃至 0.52%。
• 带宽敏感性：最优带宽并非静态；它随不同经济体制而变化。
• 变点：变点检测算法识别出贝塔值时间序列中的显著结构性断裂（例如 1982 年、1963 年和 2002 年），证实 DGP 并不稳定。

结果

• 性能损失：理论结果表明，金融绩效的损失直接与训练和测试载荷之间的未对齐相关。当信号微弱（低 $R^2$）时，后验漂移的影响极为严重，往往使复杂模型的表现不如简单基准。
• 风险调整后收益：虽然复杂模型在特定的有利子时期内可能产生高原始收益，但在考虑波动性后，其风险调整后收益（夏普比率）往往低得离谱或为负。论文指出，0.03 的月收益率意味着年化波动率超过 100%，这是高得令人望而却步的。
• 正则化权衡：增加正则化参数（带宽）会降低策略收益的不确定性和方差，但同时将平均收益推向零，使得从风险调整角度来看，这种复杂度变得不再具有吸引力。
• 反事实分析：当作者生成假设不存在后验漂移（即载荷保持不变）的“反事实”收益时，策略表现显著更好。这一差距量化了体制变化的具体成本。

意义与主张

本文得出结论，尽管预测模型的复杂性可以带来价值，但过参数化模型并非无条件有益。作者主张：

1. 对体制变化的敏感性：复杂线性模型在股权溢价预测中的有效性受到经济环境变化的严重威胁。先前文献（如 Kelly 等人，2024）报告的“复杂性的优势”可能是特定稳定子时期的产物，或者是对后验漂移影响的低估。
2. 对从业者的警示：依赖过参数化模型的分析师必须特别关注回测中绩效的稳定性和敏感性。结果表明，15 年的持有期可能会根据具体体制和所选带宽产生高度异质的收益。
3. 建议：研究结果建议在利用大型线性模型进行股市预测时应保持谨慎。作者认为，复杂性的好处往往被后验漂移的风险所抵消，特别是在信号微弱且体制变化频繁的金融市场中。

总之，本文为过参数化在金融领域作用的不确定性提供了理论和实证解释，将复杂模型的不稳定性归因于底层数据生成过程的非平稳性。