技术摘要：费舍尔诱导白化下的表示协变尺度指数

1. 问题陈述

本文探讨了高维统计建模中一个基础的识别性问题：当数据的坐标系发生变换时，参数估计值如何变化。具体而言，本文研究了 KA (Kerimov–Alekberli) 谱模型，该模型假设费舍尔信息得分向量（Fisher Information score vector）的谱投影遵循广义高斯分布（GGD）。在该模型中，GGD 的尺度参数和形状参数被假定为对应费舍尔特征值的幂律缩放，受指数 $\nu$（尺度）和 $\alpha$（形状）控制。

核心问题在于，当研究人员应用费舍尔诱导白化（即通过特征值的平方根 $\sqrt{\lambda_i}$ 对谱投影进行归一化）时，会出现以下情况。本文旨在探究：当在这一白化坐标系中观察谱投影时，哪些推断出的指数值是数据生成过程固有的，而哪些仅仅是依赖于表示的伪影？

2. 研究方法

作者结合严谨的代数推导、似然理论和广泛的蒙特卡洛模拟，来刻画指数 $\nu$ 和 $\alpha$ 在白化下的行为。

• 模型定义： 原始 KA 模型定义了在给定特征值 $\lambda_{it}$ 条件下的谱投影 $Z_{it}$ 为 $Z_{it} \sim \text{GGD}(0, c\lambda_{it}^\nu, a\lambda_{it}^\alpha)$。这意味着投影幅度的对数与特征值对数比例之间存在对数线性关系。
• 白化变换： 白化坐标定义为 $Z^w_{it} = Z_{it}\lambda_{it}^{1/2}$。作者推导出，在此变换下，尺度指数变为 $\nu_w = \nu + 1/2$，而形状指数保持 $\alpha_w = \alpha$。
• 估计方法：
  • 普通最小二乘法 (OLS)： 应用于投影幅度的对数线性回归。
  • 剖面似然法 (Profile Likelihood)： 将尺度和形状参数剖面化，以专注于 $(\nu, \alpha)$ 的联合估计。
  • 自适应模型选择： 提出了一种基于 AIC 的选择器，用于在无形状参数的 OLS 模型 ($M_0$) 与完整的剖面 GGD 模型 ($M_1$) 之间进行选择。
• 验证框架：
  • 代数不变性： 通过 36,000 个模拟数据集（360 个参数单元 $\times$ 100 次重复）验证精确恒等式（例如 $\nu$ 的偏移）。
  • 合成演示： 使用校准至 BIS（国际清算银行）信贷对 GDP 指标的数据进行流水线验证。
  • 前瞻性协议： 为未来应用于大语言模型 (LLM) 数据定义了 "LLM-0" 审计标准。

3. 核心贡献

A. 精确有限样本坐标恒等式 (命题 1)

本文确立了一个关于尺度指数 $\nu$ 的 OLS 估计量的无分布、代数恒等式。对于任何有限样本、任何分布及任何形状参数，白化系统中的 OLS 估计量 ($\hat{\nu}^w_{OLS}$) 与原始估计量 ($\hat{\nu}^{raw}_{OLS}$) 之间存在精确关系：
$$\hat{\nu}^w_{OLS} = \hat{\nu}^{raw}_{OLS} + \frac{1}{2}$$
只要回归量是非退化的，该结果对任何底层数据分布均成立。

B. 剖面似然协方差定理 (定理 1)

作者将该恒等式扩展到了极大似然估计 (MLE) 框架。他们证明了剖面对数似然函数的变换使得剖面 MLE 对满足：
$$\hat{\nu}^P_w = \hat{\nu}^P_{raw} + \frac{1}{2} \quad \text{且} \quad \hat{\alpha}^P_w = \hat{\alpha}^P_{raw}$$
这证实了 $\nu$ 是表示协变的（在白化下偏移一个普遍常数 $+1/2$），而 $\alpha$ 是表示不变的。

C. 符号识别边界 (命题 2)

本文澄清了符号恢复与无偏估计之间的关键区别。研究表明，完美的符号恢复（$P(\text{sign}(\hat{\nu}) = \text{sign}(\nu)) = 1$）并不意味着无偏估计（$E[\hat{\nu}] = \nu$）。

• 符号翻转的关键边界被确定为 $\nu = -1/2$ 处的精度-振幅零点 (precision-amplitude null)，而非高斯零点 $\nu = 0$。
• 在 $\nu = -1/2$ 时，正向形状污染（来自 $\alpha > 0$）会将 OLS 估计量向零偏置，从而导致即使在真值为负的情况下也会发生符号翻转。

D. 自适应模型选择

引入了一种自适应 AIC 选择器，用于在无形状参数的模型 ($M_0$) 和剖面 GGD 模型 ($M_1$) 之间进行选择。

• 该选择器设计为宽容型（在 $\alpha=0$ 时，第一类错误率 $\approx 11.1\%$），以避免在存在形状变化 ($\alpha > 0$) 时使用无形状参数的 OLS 估计量所带来的高效率损失（RMSE 增加 4–8 倍）。
• 当 $\alpha \geq 0.20$ 时，该选择器实现了完全功效 (1.00)。

4. 结果

• 代数验证： 超过 36,000 次运行的蒙特卡洛基准测试确认了命题 1 的恒等式，最大偏差 $\leq 5.6 \times 10^{-9}$（机器精度）。
• 估计效率： 当存在形状变化时，剖面估计器比 OLS 降低了 4 到 8 倍 的均方根误差 (RMSE)。这种效率提升在较短的时间序列 ($T=100$) 中最为显著，并随着 $T$ 的增加而减弱但依然存在。
• 偏差分析： 随着 $\alpha$ 增加，OLS 估计器表现出显著的正向偏差（形状污染）。相比之下，剖面估计器保持在零附近，其偏差仅受限于网格量化步长。
• 符号恢复： 剖面估计器在所有 $\nu \neq 0$ 的测试单元中实现了完美的符号恢复 ($P=1.00$)，而 OLS 的范围在 0.950 到 0.997 之间。然而，本文强调，完美的符号恢复并不等于零 RMSE，因为受到网格量化限制。
• 合成演示： 使用经 BIS 校准的合成数据进行的流水线测试通过了所有“门槛”检查（Gate 1 偏差 $\leq 5.96 \times 10^{-12}$），证实了该估计流水线在政策相关数据结构上的可执行性。

5. 重要性与声明

本文明确限定了其研究范围，即仅针对 KA 模型参数在变换下的理论与方法论特征进行研究。

• 理论贡献： 它提供了一套完整的表示协变理论，确立了 $\nu$ 不是一个内在的结构参数，而是一个依赖于表示的量，在比较具有不同归一化方式的系统时需要进行 $+1/2$ 的修正。
• 实践意义： 研究人员在比较不同系统（例如不同的金融数据集或不同的神经网络架构）的尺度指数时，必须应用 $1/2$ 的修正，以避免比较伪影。
• 方法论验证： 本文通过合成数据验证了“冻结”估计流水线（Gate 1 $\to$ Check A/B $\to$ Gate 2）的有效性。
• 对实证发现的适度声明：
  • 本文并未声称已从实际金融面板数据或大语言模型中估计出 $\nu$ 或 $\alpha$。
  • BIS 演示被明确标注为“流水线验证练习”，而非实证发现。
  • “LLM-0”协议被严格定义为针对未来工作的前瞻性规范。本文指出，从语言模型数据中进行实际指数估计的工作保留在后续出版物中，并取决于是否通过 LLM-0 审计。
  • 本文并不声称验证了 GGD 模型对任何现实世界数据的适用性，它仅验证了在假设模型下的代数恒等式和估计器的行为。

总之，本文建立了必要的理论基础设施，为未来研究提供了指导，阐明了在存在费舍尔诱导白化的情况下，如何正确解释谱幂律指数。