结构断点检测

结构断点：模型什么时候失效

用 2010–2014 数据拟合的模型，到 2024 年部署，通常会失败。原因不是 2024 年更难，而是 2014 到 2024 之间数据生成过程变了。2010–2014 的均值不再是正确的均值。2010–2014 的波动率不再是正确的波动率。特征和收益之间的关系也不再是原来的样子。

问题不是结构断点是否发生（它们总会发生），问题是什么时候发生，以及怎么检测。本文介绍三个检测金融时间序列中结构断点的检验。每个适用于不同的场景。

参考主要是计量经济学。经典文献是 Chow（1960）、Brown-Durbin-Evans（CUSUM，1975）和 Bai-Perron（1998、2003）。

（Chow, G. C., “Tests of Equality Between Sets of Coefficients in Two Linear Regressions,” Econometrica, 28(3), 1960, pp. 591–605。）

（Bai, J., & Perron, P., “Computation and Analysis of Multiple Structural Change Models,” Journal of Applied Econometrics, 18(1), 2003, pp. 1–22。）

三个检验

三个检验，复杂度递增：

Chow 检验：检验回归在两个子样本中是否有不同系数，断点日期已知。在你有候选断点日期（例如已知的危机日期），想检验它是否统计显著时使用。

CUSUM 检验：检验回归系数是否随时间稳定，不指定断点日期。在你不知道断点何时发生但想检测它时使用。

Bai-Perron 检验：检验多个结构断点，日期未知。在你怀疑发生过多个断点并想识别它们时使用。

每个检验回答不同的问题。根据先验知识选择。

Chow 检验：已知断点日期

设定：在整个样本 $[1, T]$ 上的回归 $y_t = X_t \beta + \epsilon_t$。Chow 检验比较两个限制模型：

• 限制模型：在 $[1, T]$ 上的单一回归。
• 无限制模型：在 $[1, T_b]$ 和 $[T_b + 1, T]$ 上分别回归，其中 $T_b$ 是候选断点日期。

F 统计量是：

其中 $RSS_R$ 是限制模型的残差平方和，$RSS_{UR}$ 是两个无限制模型 RSS 之和，$k$ 是回归的参数个数，$T$ 是样本大小。

在无断点原假设下，$F$ 服从 $F(k, T - 2k)$ 分布。大的 $F$ 值拒绝原假设：回归系数在两个子样本中不同。

金融应用中：回归通常形如 $r_t = \beta_0 + \beta_1 f_t + \epsilon_t$，$f_t$ 是特征，$r_t$ 是收益。Chow 检验问：$\beta_1$ 在候选断点日期前后是否不同？

典型应用：检验 2008 年金融危机期间风险-收益关系（夏普比率回归）是否变了。设 $T_b$ = 2008 年 9 月。计算 F 统计量。如果显著，关系就变了。

（Chow, 1960。）

Chow 检验的实务

一个干净的实现：

import numpy as np
from scipy.stats import f

def chow_test(y, X, break_point):
    """Test for a structural break at break_point."""
    n, k = X.shape
    
    # Restricted model: single regression
    beta_r = np.linalg.lstsq(X, y, rcond=None)[0]
    rss_r = np.sum((y - X @ beta_r) ** 2)
    
    # Unrestricted model: two separate regressions
    beta_1 = np.linalg.lstsq(X[:break_point], y[:break_point], rcond=None)[0]
    rss_1 = np.sum((y[:break_point] - X[:break_point] @ beta_1) ** 2)
    
    beta_2 = np.linalg.lstsq(X[break_point:], y[break_point:], rcond=None)[0]
    rss_2 = np.sum((y[break_point:] - X[break_point:] @ beta_2) ** 2)
    
    rss_ur = rss_1 + rss_2
    
    # F-statistic
    f_stat = ((rss_r - rss_ur) / k) / (rss_ur / (n - 2 * k))
    p_value = 1 - f.cdf(f_stat, k, n - 2 * k)
    
    return f_stat, p_value

函数返回 F 统计量和 p 值。p 值低于 0.05 表示候选日期存在显著断点。

一个注意点：Chow 检验假设断点日期已知。如果你扫描很多候选日期，挑出 F 统计量最大的那个，得到的 p 值会向下偏（多重检验偏差）。用 Bonferroni 修正调整 p 值，或者用 sup-F 检验（见下）。

Sup-F 检验：未知断点日期

Chow 检验在断点日期未知时的推广：对每个候选断点日期计算 Chow F 统计量，取最大值。

最大 F 统计量的分布不是标准 F 分布。它是 sup-F 分布，计量经济学家已制表。对典型样本量，5% 水平临界值在 8–12 附近（标准 F 临界值在 3–4 附近）。

Sup-F 检验在大多数计量软件包中都有实现（例如 Python 的 statsmodels）。

一个简单实现：

def sup_f_test(y, X, min_frac=0.15):
    """Sup-F test for unknown break date."""
    n = len(y)
    min_obs = int(n * min_frac)
    f_stats = []
    for bp in range(min_obs, n - min_obs):
        f_stat, _ = chow_test(y, X, bp)
        f_stats.append(f_stat)
    return max(f_stats), f_stats.index(max(f_stats)) + min_obs

函数返回最大 F 统计量和产生它的断点日期。Sup-F 分布的临界值已制表；查阅计量经济学参考。

（Andrews, D. W. K., “Tests for Parameter Instability and Structural Change with Unknown Change Point,” Econometrica, 61(4), 1993, pp. 821–856。）

CUSUM 检验：检测不稳定

CUSUM（累积和）检验检测回归系数的渐变。它基于递归残差的累积和。

时点 $t$ 的递归残差是：在数据 $[1, t-1]$ 上拟合的回归对 $X_t$ 给出的预测误差。设 $w_t$ 为递归残差。CUSUM 是：

其中 $\hat{\sigma}$ 是残差的标准差。$S_t$ 随时间变化的图就是 CUSUM 图。

如果回归系数稳定，$S_t$ 在置信带内（通常是 5% 显著水平下的 $\pm 0.948 \sqrt{T - k}$）围绕零波动。如果系数变化，$S_t$ 会漂出置信带。

断点日期大约是 $S_t$ 跨过置信带的位置。

（Brown, R. L., Durbin, J., & Evans, J. M., “Techniques for Testing the Constancy of Regression Relationships Over Time,” Journal of the Royal Statistical Society, 37(2), 1975, pp. 149–192。）

CUSUM 实务

一个简单实现：

def cusum_test(y, X, significance=0.05):
    """CUSUM test for parameter instability."""
    n, k = X.shape
    recursive_residuals = []
    
    for t in range(k, n):
        beta = np.linalg.lstsq(X[:t], y[:t], rcond=None)[0]
        resid = y[t] - X[t] @ beta
        recursive_residuals.append(resid)
    
    recursive_residuals = np.array(recursive_residuals)
    sigma = np.std(recursive_residuals)
    cusum = np.cumsum(recursive_residuals) / sigma
    
    # Confidence band
    band = 0.948 * np.sqrt(n - k)
    
    # Detect break (first crossing of the band)
    crossing = np.where(np.abs(cusum) > band)[0]
    break_date = crossing[0] + k if len(crossing) > 0 else None
    
    return cusum, band, break_date

CUSUM 图是有用的诊断工具：目视检查累积和随时间的变化，寻找超出置信带的部分。

典型模式：在正收益状态下 $S_t$ 上漂，在负收益状态下下漂，在稳定期内保持在带内。$S_t$ 跨过置信带就信号断点。

Bai-Perron 检验：多个断点

Bai-Perron 检验在未知日期下识别多个结构断点。它是最强的检验，但也最复杂。

算法：

1. 对每组候选的 $m$ 个断点日期，计算 $m+1$ 个独立回归的总 RSS。
2. 用动态规划找到使总 RSS 最小的 $m$ 个断点日期。
3. 用序贯 F 检验检验 $m$ 个断点是否显著优于 $m-1$ 个。

输出是估计的断点日期集合和每个区间对应的回归系数。

实现需要动态规划例程。实际中用 ruptures（Python）或 strucchange（R）这样的包。

（Bai & Perron, 2003。）

何时用哪个检验

对大多数量化应用，sup-F 检验是起点。它检测单个断点、日期未知。如果怀疑多个断点，用 Bai-Perron。

Chow 检验在你对断点日期有强先验时有用（例如监管变化、已知危机）。Sup-F 和 CUSUM 在探索性分析中有用。

常见陷阱

五种陷阱。

陷阱 1：忽略异方差。

Chow 检验假设方差恒定。金融序列中波动率是时变的。当波动率变化时，检验倾向于检测出断点，即使均值关系是稳定的。用异方差稳健的版本（White 标准误或 HAC 标准误）。

陷阱 2：多重检验偏差。

如果你扫描很多候选断点日期，挑出 F 统计量最大的那个，p 值会向下偏。用 Bonferroni 修正，或者用 sup-F 临界值（考虑了扫描）。

陷阱 3：混淆统计显著性和经济意义。

统计上显著的断点在经济上可能没意义。如果 F 统计量大但系数变化小，断点对交易决策可能不重要。把统计检验和经济直觉结合。

陷阱 4：检测断点太晚。

检验信号断点的时候，市场往往已经走过去了。断点在后视镜里。用 CUSUM 做早期检测（它逐步累积证据）。

陷阱 5：把断点当作永久的。

很多“结构断点”是暂时的。2020 年 3 月的波动率飙升看起来像断点，但其实是暂时状态切换。在长样本上做 Bai-Perron 检验可能检测出很多断点，大部分是暂时的。用稳健的设定（例如 HAC 标准误）避免过拟合。

具体例子

设定：20 年标普 500 日频收益（约 5,000 个观测）。回归：$r_t = \beta_0 + \beta_1 VIX_t + \epsilon_t$，$VIX_t$ 是 VIX 指数。

Chow 检验在 2008-09-15（雷曼兄弟破产）：F 统计量 = 28.4，p 值 < 0.001。高度显著断点。VIX-收益关系在 2008 年大幅变化。

Sup-F 检验（扫描所有日期）：最大 F 统计量 = 35.2，在 2008-10-15。结论类似但日期略有不同。

CUSUM 图：$S_t$ 从 2008 年年中开始稳步漂出置信带，2009 年初回到带内。断点是一个 6 个月的状态切换。

Bai-Perron（测试最多 5 个断点）：找出 3 个断点，分别在 2000-03-01（互联网泡沫顶）、2008-09-15（雷曼）和 2020-03-15（COVID 崩盘）。都有经济上可解释的含义。

结论：VIX-收益关系在各个状态间不稳定，主要断点出现在已知危机日期。在全样本上拟合的模型平均了这些状态，在任一状态下的预测都一般。考虑断点的模型（例如状态特定的系数）表现更好。

把结构断点和交易连接起来

三种方法在交易中使用结构断点检验。

用法 1：重估计的触发器。

对策略的 P&L 回归跑 CUSUM 检验。当 CUSUM 跨过置信带时，重估计策略参数。这是一种决定何时重拟合的有纪律方法。

用法 2：状态识别。

用 Bai-Perron 识别历史状态。为每个状态训练独立模型。部署时识别当前状态（用最近的断点日期），应用对应模型。

用法 3：风险管理。

如果在状态切换时策略的因子载荷变化，策略的风险轮廓也变化。早期检测断点能让你提前减少风险。

一个常见模式：连续监控 CUSUM，用较低的阈值（例如 0.5 而不是 0.948）。当阈值被跨过，把仓位规模降低 50%，直到状态稳定。这是一条简单但有效的风险管理规则。

CUSUM 用于在线监控

CUSUM 对在线监控特别有用，因为它能随新数据到来增量更新。

时点 $t$ 的递归残差只依赖截至 $t-1$ 的数据。新数据到来时，递归残差从现有回归加上新观测算出。CUSUM 通过加上新递归残差（按 $\hat{\sigma}$ 缩放）来更新。

这意味着你可以实时监控参数稳定性，而不需要重拟合回归。CUSUM 随每个新观测更新，跨过阈值就信号状态切换。

实务实现：维护一个滚动回归窗口（例如最近 252 个观测），对每个新观测算递归残差，更新 CUSUM。当 CUSUM 跨过阈值，发送警报。

这比定期跑完整 Bai-Perron 检验更高效，Bai-Perron 复杂度是样本大小的 $O(T^2)$ 或 $O(T^3)$。

Quandt 似然比检验

未知断点日期的相关检验是 Quandt 似然比（QLR）检验，也叫 sup-Wald 检验。

算法：

1. 对每个候选断点日期 $T_b$，计算检验两个子样本系数相等的 Wald 统计量。
2. 跨所有 $T_b$ 取最大 Wald 统计量。
3. 和 sup-Wald 分布的临界值比较。

QLR 检验和 sup-F 检验类似，但用 Wald 统计量代替 F 统计量。渐近分布相同。

QLR 检验的优势：能应用到非线性模型（例如 GARCH），这些模型里 F 统计量不直接适用。Wald 统计量从对数似然的梯度计算，对任何模型都定义。

实务实现：在每个子样本 $[1, T_b]$ 和 $[T_b + 1, T]$ 上拟合模型，计算检验参数相等的 Wald 统计量，取最大。

（Quandt, R. E., “Tests of the Hypothesis That a Linear Regression Obeys Two Different Regimes,” Journal of the American Statistical Association, 55(290), 1960, pp. 324–330。）

Andrews-Plosser 检验

Sup-F 检验的一个改进：Andrews-Plosser 检验用候选断点日期上 F 统计量的加权和，权重强调样本中部的日期。

动机是：sup-F 检验可能功效较低，因为最大 F 统计量被尾部的噪声主导。Andrews-Plosser 检验对所有候选日期取平均，给样本中部（断点检测最可靠的位置）的日期更高权重。

Andrews-Plosser 检验在很多情况下比 sup-F 检验有更高功效，特别是当断点在样本中部附近。实现和 sup-F 类似，但用加权和代替最大。

（Andrews, D. W. K., & Plosser, M. C., “A Monte Carlo Comparison of Tests for Cointegration,” Journal of Econometrics, 65(1), 1994, pp. 113–150。）

三个检验的统计功效

三个检验有不同的统计功效（断点真实存在时检测出来的能力）：

Chow 检验功效最高，因为它能利用已知的断点日期。Sup-F 检验因为扫描很多候选日期（多重检验惩罚）损失一些功效。Bai-Perron 检验因为同样原因损失更多功效。

实际中，对中等样本量（$n > 200$）和中等断点幅度（系数变化 1+ 个标准误），三个检验都有合理功效。对小样本或小断点，检验可能即使在断点存在时也检测不到。

I 类与 II 类错误的权衡

显著性水平（通常 5%）控制 I 类错误率：没有断点时检测出断点的概率。5% 显著性水平意味着 5% 的时候检验会错误地检测出断点。

更低的显著性水平（例如 1%）减少假阳性，但增加假阴性（II 类错误：漏掉真实断点）。更高的显著性水平（例如 10%）捕获更多真实断点，但产生更多假警报。

对大多数应用，5% 是合理默认。对高风险决策（例如把大量资金投入策略），用 1% 减少假阳性。对探索性分析，用 10% 捕获更多潜在断点。

常见误用：预测未来断点

一个常见误解是：结构断点检验能预测未来断点。不能。它们检测历史数据中的过去断点。预测未来断点需要额外建模（例如状态切换模型、风险率模型）。

有用的说法是：断点检验告诉你，在历史数据上拟合的模型是否还适用。它不告诉你未来会不会发生断点。

要预测未来断点，用显式建模状态变化概率的状态切换模型。断点检验是历史期间的诊断工具，不是预测工具。

（Hamilton, 1990。）

更大的视角

结构断点检测是更广泛学科的一块：随时监控模型有效性。今天拟合的模型是用昨天的数据拟合的。世界在变，模型会失效。问题不是是否要重拟合，而是何时。

三种模型监控方法：

1. 表现监控：跟踪模型的样本外表现。当表现下降时重拟合。
2. 参数稳定性监控：用 CUSUM 或 sup-F 检测模型参数何时漂移。漂移时重拟合。
3. 分布监控：跟踪特征和预测的分布。当分布变化时重拟合（用 KS 检验或 Population Stability Index）。

每种方法都有权衡。表现监控最直接但滞后（你在模型亏钱时才发现它坏了）。参数稳定性监控更快（它能在模型出问题前检测变化）但间接（参数不稳定不总意味着表现下降）。分布监控最快但噪声最大。

一个稳健的监控系统同时使用三种。CUSUM 检验参数是早期检测的核心；表现监控确认参数变化是有经济意义的；分布监控提供早期警告。

（Brown, Durbin, & Evans, 1975；Bai & Perron, 2003。）