The Illusion of Accuracy: Machine-Learning and GARCH Forecasts of UK Equity Index Prices
本研究发现，尽管先进的学习机模型和 GARCH 模型能够准确预测英国股票指数价格，但它们在收益率预测方面未能超越简单的基准模型，这表明其真正的价值在于风险度量而非收益率预测。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在金融领域，一直存在着一种持久的希望，即一种聪明的算法可以观察过去并预见未来。这种希望建立在这样一种观点之上：股票价格虽然看似混乱，但可能隐藏着计算机可以学习并利用的模式。这里的核心概念是“随机游走”（random walk），这是一个简单的基准，它表明对明天价格的最佳预测仅仅是今天的价格，因为所有已知信息都已经反映在了当前的数值中。如果一个复杂的计算机模型无法持续比这种简单的猜测更准确地预测价格变化，那么市场就是有效的，通过预测获得轻而易举利润的承诺便只是一种幻觉。这个问题对于任何拥有储蓄或养老金的人来说都至关重要，因为如果人工智能真的能够预测市场，它将重塑财富管理的方式；如果不能，那么依赖这些工具可能会误导投资者。
最近的一项研究直接测试了这一承诺，重点关注了英国的两个主要股票指数。研究人员收集了从2015年1月到2026年10月（注：原文如此）的每周数据，这一时期包含了显著的经济动荡，如利率冲击和关税引发的抛售。他们让八种不同的预测方法进行了对决。一方面是简单的基准模型：一个仅仅重复上周价格的模型，以及另一个使用过去所有周平均回报率的模型。另一方面则是现代金融领域的重量级选手：旨在追踪波动性的传统统计模型，以及三种不同类型的人工智能，其中包括一种通过构建许多决策树来寻找模式的随机森林（random forest），以及一种模仿大脑处理信息方式的神经网络（neural network）。其目标不仅是看哪个模型在图表上看起来最好，而是要确定是否有任何模型能比随机猜测更准确地预测市场的方向，并且这些预测在支付交易费用后能否转化为真正的金钱。
结果揭示了一个惊人的脱节：模型看起来有多准确与它们实际有多有用之间存在显著差异。当研究人员将预测的价格水平与实际价格进行比较时，每一个模型都显得高度准确。平均误差非常微小，在1.3%到1.6%之间。在图表上，预测曲线几乎完美地落在真实曲线之上，营造出一种掌控全局的视觉印象。然而，这种准确性是一种由股票价格特性造成的幻觉，因为价格往往倾向于保持在与前一周接近的水平。由于价格具有如此强的持续性，即使是最简单的模型——即假设什么都不会改变的模型——也达到了与复杂的人工智能系统几乎相同的准确度。当研究人员剥离价格水平，转而严格观察每周的价值变化时，情况发生了彻底的变化。没有任何一个模型，包括先进的机器学习系统，能在统计学意义上显著优于简单的随机游走。事实上，对于较大的指数而言，随机森林和标准的回归预测模型的表现明显差于仅仅假设市场持平。
该研究还检验了这些模型是否能帮助投资者赚取更多利润。研究人员模拟了一种交易策略：如果模型预测价格会上涨，投资者就买入该指数；如果预测会下跌，则持有现金；同时计入每次交易的成本。在较大指数的上涨行情中，“买入并持有”策略（即不做任何操作，仅仅持有投资）在扣除成本后，表现优于所有基于预测的策略。最先进的机器学习模型与单纯持有股票相比，实际上是亏损的。对于较小的指数，一些模型表现得略好于买入并持有，但这主要是因为它们在市场剧烈下跌期间成功避开了市场，这是一种风险规避，而非预测能力的体现。研究人员得出结论：这些模型在预测价格水平方面的表象成功具有误导性；它们并非在预测未来，而是在追踪过去。
虽然这些模型无法预测市场将走向何方，但它们在预测市场会如何波动方面表现得非常出色。研究发现，一种被称为非对称GARCH模型的特定统计模型，在预测波动性（即价格波动的幅度）而非方向方面，要优越得多。该模型正确预见了坏消息会导致比好消息更大的市场震荡，这种现象被称为杠杆效应（leverage effect）。它提供了最准确的风险估计，并产生了可靠的“风险价值”（Value-at-Risk）数值，这些数值能告诉投资者在一个糟糕的周内可能会面临多大的潜在损失。这种区别至关重要：这些工具擅长衡量市场的危险程度，却无法预测市场的目的地。
作者认为，这一发现揭示了金融报告中一个常见的陷阱。许多研究和商业工具展示的图表——其中预测价格与实际价格紧密贴合——被用作证明其能力的证据。本文证明，这类图表是具有欺骗性的，因为它们没有考虑到价格天然具有聚集性的事实。衡量一个预测工具真实价值的标准，在于它能否比简单的猜测更准确地预测价格的变化，而在这种严苛的测试中，人工智能模型失败了。这些量化工具的价值不在于告诉投资者何时买入或卖出以击败市场，而在于帮助他们理解并管理投资风险。对于好奇的投资者而言，教训是明确的：能够画出一条跟随市场走势的曲线，并不等同于拥有预见市场下一步走向的能力。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。