QuantToGo说法百科
风险台账我的单子注册
因子 · 结构(复杂度溢价的 regime 依赖)·元层(模型选择而非因子·pipeline 架构护体开关)·(机制存疑:在模型之上再套择时层、自由度极高本地样本短、样本内 alpha 几乎必过拟[头号软肋];状态变量与结果内生难剥离;regime 切换滞后;论文单篇 16 期货特定损失外推存疑;落地价值是削尾/稳健性而非可交易 alpha)

结构(复杂度溢价的 regime 依赖)+ 元层(模型选择而非因子)+(机制存疑:meta 过拟、状态内生、切换滞后、单篇外推、非 alpha)。

一个能每天核对的规律,和它的回测

怎么用
状态
候选
只有机制,还没回测
今天的读数 · 跨资产收益离散度
5.34
10 月 29 日 · 三年分位 86%

机制

**机制类别**:结构(复杂度溢价的 regime 依赖)+ 元层(模型选择而非因子)+(机制存疑:meta 过拟、状态内生、切换滞后、单篇外推、非 alpha)。 **因果链(讲透——目标是教会 MJ「为什么复杂学习型配置相对简单规则的增量不是普适的、而是 regime 依赖的;什么 regime 下复杂模型的表达力兑现、什么 regime 下它反被估计误差与换手拖累压过;为什么这能作 pipeline 的护体 meta 开关;以及为什么它终究受限于『meta 过拟 + 状态内生 + 切换滞后 + 单篇外推』四个致命前提,落地只能以削尾而非超额验收」)** - **第一性——复杂模型的超额来自表达力,但要付估计误差与换手两笔税。** 复杂学习型配置(transformer/LSTM 端到端)相对简单规则(等权/风险平价/TSMOM)的优势是**表达力**:能捕捉非线性、跨资产交互、时变结构。但复杂度要付两笔税:**①估计误差**——参数多、本地样本短,模型学到的一部分是噪声(偏差-方差权衡,见 arXiv 2603.10385 同线论文);**②换手/成本拖累**——复杂模型信号更活跃、换手更高,成本后被吃掉。论文的实证正好印证:复杂模型**不是普遍**跑赢,transformer 反而靠「**交易更少**」在中等成本后才胜出,LSTM 成本后衰减。 - **为什么复杂度溢价是 regime 依赖的(因子的核心)。** 复杂模型相对简单规则的净增量(「复杂度溢价」)时变且部分可预测:**高溢价 regime**——跨资产收益**离散度高**(资产间分化大、有可捕捉的相对结构)、**非线性/交互结构强**、**成本环境温和**时,表达力兑现为增量,该信复杂模型;**低溢价 regime**——离散度低(资产齐涨齐跌、无相对结构可挖)、结构近线性、成本高时,估计误差与换手拖累压过表达力,**简单规则(风险平价/TSMOM)反而更稳更省**。 - **为什么反映到 pipeline(如何落地,非交易标的)。** 不是造一个交易因子,而是给 pipeline 配置层造一个**元权重开关**:以「跨资产收益离散度 + 非线性代理 + 已实现成本环境」作状态变量,决定 pipeline 在「复杂学习配置」与「简单稳健规则」之间的元权重——高溢价 regime 放大学习配置的权重、低溢价 regime 回落到简单规则。这正是 MJ「三只手控终极风险」里的一只手:**在复杂模型容易翻车的 regime,强制系统降回简单稳健规则、削左尾**。 - **为什么持久(结构性原因·如果成立):** ①偏差-方差权衡是统计学根本约束、不会消失;②成本对高换手策略的拖累是结构性的;③离散度/非线性 regime 的交替提供时变性。**但持久性与可估性都高度受限——本条优先级最低(LOW),且验收标准特殊,见边界。** - **边界条件(何时失效/反转,本卡核心疑点):** ①**极度 meta、极易过拟(头号软肋)**——「预测复杂模型何时跑赢」是在模型之上再套一层择时,自由度极高、本地样本短,样本内 alpha 几乎必然过拟,这是本条最大死穴;②**状态变量与结果内生**——离散度/成本本身同时影响所有策略,「复杂度溢价」的干净估计难从共同环境里剥离;③**regime 切换滞后**——等确认进入高溢价 regime 时窗口可能已过,切换本身有成本;④**论文单篇、16 期货、特定损失(可微 Sharpe)**——结论对资产集与损失函数敏感,外推到本 pipeline 存疑;⑤**落地价值 ≠ 可交易 alpha**——本条更多是**架构护体**(防复杂模型在错误 regime 放大风险)而非直接收益,须以「削尾/稳健性」而非「超额」为验收标准。 **因子可得性** - 状态变量:跨资产收益离散度(横截面收益标准差)、非线性代理、已实现成本环境(换手×点差估计)。 - 被解释量:pipeline 内「复杂学习配置 − 简单规则(风险平价/TSMOM)」的相对表现。 - 控制变量(生死关):整体波动 regime、资产集选择、成本假设敏感性。 - **便宜栈评级:★★ 中——跨资产收益/成本环境现成;但「复杂 vs 简单」相对表现须 pipeline 自身产出、复杂度溢价状态变量与相对表现须严格样本外、防 meta 过拟是主要卡点。** **候选标的(如何落地)** - 主:**pipeline 配置层的「复杂 vs 简单」元权重开关**(非交易标的)——高溢价 regime 放大学习配置、低溢价 regime 回落风险平价/TSMOM。 - 次:作 [MOMCRASH-STATE](01-card-MOMCRASH-STATE.md)(动量崩塌降杠杆·护体腿)的架构层伴侣——两者都是「三只手」护体逻辑,一个削动量左尾、一个削复杂模型 regime 错配尾。 - 范式:**先证「复杂度溢价 regime 对随后『复杂配置 − 简单规则』相对表现在样本外有稳定区分力」,且以削尾/稳健性验收**,否则弃 meta 开关、pipeline 配置层维持静态混合、本条仅作「架构研究备注」。

同类因子

这个因子还没上线,先不能搭成策略。