跳到正文

什么让因子真实：超越漂亮回测的五个检验

分离持久因子与回测伪品的五个检验实用标准：经济理论、持续性、单调性、单调关系和规格稳健性。

第 4 篇 · 共 12 篇 约 9 分钟

因子不止是平均为正

因子常被一个数字介绍：高减低组合每月收益 0.40%，t 统计量 2.6。那个数字是线索。不是裁决。

真实因子应存活几个不同问题。特征为什么应与期望收益相关？关系是否跨时间和市场持续？收益是否随暴露单调变化？单调模式是否在底层横截面而非仅在两个极端组合中可见？结果是否存活合理规格和实施变化？

本文用五个检验。措辞重要：经济理论、持续性、组合结果的单调性、数据中的单调关系和规格稳健性。检验重叠，但它们以不同方式失败。因子可以有好事没有持续性。它可以持续带有高减低差隐藏的 U 形关系。它可以在成本前单调并在一天延迟后消失。

检验一：经济机制优先

因子应有经济理由存在在其收益被检查前。理由可能是风险补偿、受限套利、慢信息扩散、投资者需求、制度摩擦或行为偏差。机制应做出超出“系数为正”的预测。

如果因子是风险溢价，指定风险暴露和边际投资者为什么需要补偿。如果是错误定价，指定谁慢、为什么套利受限，以及错误定价如何能存活。如果是信息信号，指定发表滞后、期望时间范围和处理它的投资者。

有用理论预测方向、时机、横截面异质性和失败条件。能解释回归后任一符号的理论是叙事适配器非约束。

设期望收益为暴露 xx 和风险价格 λ\lambda 的函数：

E[ri]=rf+λEi[x].E[r_i]=r_f+\lambda E_i[x].

该紧凑表达式不是完整因子模型，但它强制问题。xx 是什么？它可在收益前观察吗？为什么 λ\lambda 为正或负？暴露随时间移动吗？组合可构建不实用结果吗？

Harvey、Liu 和 Zhu (2016) 显示为什么理论步骤在统计上重要。如果研究人员搜索巨大变量库，一些会偶然看起来显著。机制减少先验空间并给检验经济内容。

检验二：跨时间持续性

在一样本中工作的因子可能是样本特定事件。持续性问关系是否存活不同时期，而非相同平均是否在每个十年上打印。

将样本分为时期 s=1,…,Ss=1,\ldots,S 并计算均值收益 μ^s\hat{\mu}_s。报告分布而非仅池化均值：

μˉ=1S∑s=1Sμ^s.\bar{\mu}=\frac{1}{S}\sum_{s=1}^{S}\hat{\mu}_s.

有用诊断包括有预测符号的时期分数、最差时期、跨时期离散度，以及效应是否聚集在一个危机或技术转变周围。在三个月赚全部收益的因子不同于跨多年产生小正差的因子。

持续性不要求常数收益。风险溢价可以随波动率、流动性、估值和宏观条件变化。然而因子应有变化的事先指定解释。如果 regime 分割被选择因为它使图表看起来稳定，分割是另一搜索。

McLean 和 Pontiff (2016) 提供强大时间检验：比较原始样本内表现与后续发表前和发表后表现。他们的平均已发表预测因子实质衰减。该结果不使持续性不可能；它使持续性成为要测量非假设的义务。

检验三：跨市场和整体持续性

在一个市场发现的因子可能是数据伪品、市场结构怪癖或对当地制度的补偿。测试另一个市场可以揭示机制是否迁移。第二市场不应从结果已知后的长列表选择。

跨市场持续性不是要求相同收益。会计约定、流动性、卖空规则、税收和投资者组成不同。预测应通过机制转换。慢信息效应可能出现在报告滞后不同的不同时机。风险溢价可以随当地因子价格变化。

使用外部检验层级：

  • 同整体的另一时期；
  • 具可比数据的另一交易所或国家；
  • 暴露于相同提出机制的另一资产类别；
  • 效应应该削弱的故意敌意整体。

在发现市场外每个地方失败的因子不自动为假。它需要局部解释。在几个独立环境存活的因子比仅在原始数据通过更多调整存活的因子有更强证据。

检验四：单调性不是漂亮排序表

高减低差可以正即使当关系非线性。假设按特征五分位的五个组合收益是

[0.20%,0.10%,−0.05%,0.10%,0.30%].[0.20\%, 0.10\%, -0.05\%, 0.10\%, 0.30\%].

高减低差为正，但中间组合不支持单调故事。收益可能 U 形、由极端组驱动、或由隐藏交互引起。

单调性问更高暴露是否通常对应于更高或更低期望收益在理论预测方向上。它可以通过组合暴露和均值收益之间秩相关性总结，但视觉和经济解释比单一检验重要。

对组合箱 q=1,…,Qq=1,\ldots,Q，设 rˉq\bar{r}_q 为平均收益。简单单调分数是

M=corr(q,rˉq).M=\mathrm{corr}\left(q,\bar{r}_q\right).

接近 1 的值支持增加收益；接近 -1 的值支持减少收益。只有五个箱时 MM 有噪声。使用置信区间和子期分析。单调关系可弱但宽。无内部模式的大顶减底差值得怀疑。

对每个经济因子不要求单调性。一些风险是非线性的。那种情况下理论应预测非线性，检验应直接针对它。不要将单调性用作普遍审美偏好。用它作为对抗极端组合伪品的检查。

检验五：规格稳健性

稳健性问合理选择是否改变结论。它不意味着尝试每个可能规格并报告最友好的。它意味着声明选择集并观察分布。

对因子，变化：

  • 信号时序和发表滞后；
  • 整体和流动性过滤器；
  • 断点和组合数；
  • 等权对比价值加权；
  • 极值处理或截断；
  • 再平衡频率；
  • 交易成本假设；
  • 基准和风险调整；
  • 子期边界在分析前选择。

当符号和经济解释跨这些选择稳定时因子更强。确切大小可移动。0.30% 差在成本后变为 0.18% 与符号反转或完全消失不同。

稳健性也关于数据构建。如可能用第二独立管道重建变量。验证点时可用性。包括退市收益。测试信号是否是伪装的规模、价值、动量或流动性暴露。

五个检验如何交互

检验不独立复选框。经济理论缩小规格族。跨时间持续性测试样本依赖。跨市场持续性测试外部有效性。单调性检查横截面形状。稳健性测试实施依赖。

因子可以通过四个失败一个。该失败告诉你做什么类声称。带连贯机制、稳定符号和非线性组合模式的因子可能真实但未被高减低排序良好表示。带单调性和持续性但无理论的因子可能有用作为信号同时仍是未解释异常。带美丽理论且无后续收益的因子是无交易的理论。

正确反应是缩小声称，非强制通过/失败标签。

因子证据矩阵

用记录检验和其结果的证据矩阵：

检验主要问题强证据弱证据
理论关系为什么应存在？可证伪机制收益后写的故事
时间持续性它存活时期吗？声明窗口跨稳定符号一个获胜十年
市场持续性它迁移吗？独立市场确认一个市场更多调整
单调性横截面有序吗？宽有序箱仅极端箱
稳健性实施重要吗？净成本相似符号一个脆弱配方

矩阵应在最终投资决策前填充，而非事后用作营销文案。失败检验是头寸大小和研究优先级的输入。

高减低估计的数学

假设长和短组合有均值收益 μH\mu_H 和 μL\mu_L。因子溢价是

μF=μH−μL.\mu_F=\mu_H-\mu_L.

如果它们样本均值有方差 σH2/T\sigma_H^2/T 和 σL2/T\sigma_L^2/T 和协方差 σHL/T\sigma_{HL}/T，那么

Var(μ^F)=σH2+σL2−2σHLT.\mathrm{Var}(\hat{\mu}_F)=\frac{\sigma_H^2+\sigma_L^2-2\sigma_{HL}}{T}.

协方差重要。一同移动的长和短腿可在每腿波动时产生稳定差。低协方差可使差看起来吸引但如果关系改变暴露策略于共同冲击。

t 统计量是

tF=μ^FVar(μ^F).t_F=\frac{\hat{\mu}_F}{\sqrt{\mathrm{Var}(\hat{\mu}_F)}}.

多重检验、自相关和组合重叠改变标准误。通过朴素 t 检验但失败块自助或家族校正的因子未通过证据标准。

代码中的单调性

小程序可计算跨组合箱的基于秩的单调性分数。它不替代置信区间或预先指定检验，但它使形状检查显式。

import numpy as np

bins = np.arange(1, 6)
returns = np.array([0.10, 0.14, 0.17, 0.21, 0.25])
rank_score = np.corrcoef(bins, returns)[0, 1]
print(rank_score)

对真实研究，使用点时数据计算箱收益，保留每个箱的时间序列，并跨子期测试关系。不仅对使因子看起来好的样本计算分数。

经济显著性独立于统计显著性

因子可以统计显著且经济无用。如果月度总差为 0.15%，换手高，多头腿非流动，空头借券每月 0.20%，净交易为负。因子作为关联可能真实且作为投资无关。

设总收益为 rtGr_t^G，换手为 τt\tau_t，价差和影响成本为 ctc_t，借券成本为 btb_t。简单净收益是

rtN=rtG−τtct−bt.r_t^N=r_t^G-\tau_t c_t-b_t.

容量分析然后问 ctc_t 如何随资本变化。在 $1 百万存活而在 $1 亿失败的因子有容量约束，非通用 Sharpe。

Aronson 的基于证据方法坚持交易规则应在现实成本和执行假设下评估。López de Prado 将警告扩展到机器学习：统计显著回测与稳健投资过程不同（Aronson 2006；López de Prado 2018）。

真实因子决策看起来怎样

因子应得小、监控研究分配当：

  1. 机制显式且可证伪；
  2. 规则在确认检验前指定；
  3. 收益跨声明时期持续；
  4. 独立市场或数据集支持机制；
  5. 组合形状匹配理论；
  6. 合理规格保留符号；
  7. 净表现存活成本、容量和延迟；
  8. 结果在多重检验调整后保持可信。

这是高门槛因为资本昂贵且假信心便宜。失败一个项目的因子仍可有用作为探索信号，但不应被描述为经验证的 alpha 来源。

要点

短语“真实因子”应意味着多过“一条线上升”。它应意味着经济机制产生可重复关系，关系存活时间和环境，横截面行为理论上可理解，且合理实施选择不抹掉它。

无五个检验清单能保证利润。它可以防止常见类别错误：将已发表或回测关联与持久可交易因子混淆。

最强因子通常比赢家少戏剧性。它们存活无聊检验。它们在整体改变、成本到达、中间组合被检查、数据停止合作后仍看起来可信。那是组合可以用的无聊。

因子退休是验证一部分

因子不被验证一次然后永远信任。相同证据标准应定义何时退休。退休不需要戏剧性负收益。它可以被持续符号中断触发，崩溃单调模式，超出期望溢价的实施成本增加，或使原始时序假设无效的数据过程变化。

在因子实时前写退休规则。例如，要求两个连续声明窗口带负净信息系数，材料换手上升无补偿收益，或组合箱间预测关系丧失。确切阈值依赖于策略。团队不能在回撤后发明它们。

因子可以被降级而非杀死。减弱证据时减少其权重，将其保存在纸组合中，或将其用作风险和分散化袖子而非 alpha 袖子。记录改变原因。悄悄改变其因子论点的组合难以评估因为实时对象不再匹配研究对象。

五个检验应在有意义的市场或数据变化后重运行。供应商修订可改变特征分布。新指数产品可拥挤信号。卖空规则变化可移除套利渠道。持续性非一次性证书；它是监控义务。

最强研究程序还保留退役因子墓地。保留原始代码、数据快照和证据矩阵。死因子可警告不重复搜索并揭示哪些机制不迁移。仅从仪表板删除它仅改进仪表板。

用五个检验决定是否启动以及是否继续。经济理论、持续性、单调性和稳健性应约束因子的生命，而非仅装饰其引入。

  • Harvey, C. R., Liu, Y., and Zhu, H. (2016). “…and the Cross-Section of Expected Returns.” The Review of Financial Studies, 29(1), 5-68.
  • McLean, R. D. and Pontiff, J. (2016). “Does Academic Research Destroy Stock Return Predictability?” The Journal of Finance, 71(1), 5-32.
  • Hou, K., Xue, C., and Zhang, L. (2020). “Replicating Anomalies.” The Review of Financial Studies, 33(5), 2019-2133.
  • Aronson, D. (2006). Evidence-Based Technical Analysis. Wiley, 第 9-12 章.
  • López de Prado, M. (2018). Advances in Financial Machine Learning. Wiley, 第 1、7 和 11-15 章.