【国君金工 学界纵横系列】量化建模需放下 奥卡姆剃刀
创建于 更新于
摘要
本报告围绕Bryan Kelly等学者《THE VIRTUE OF COMPLEXITY IN RETURN PREDICTION》，探讨了金融资产收益预测中复杂机器学习模型的表现优于简单模型的良性过拟合现象。研究显示，当模型复杂度P远大于样本数T且采用合理的特征压缩技术时，样本外预测精准度和策略表现均随复杂度提升显著增强，挑战了传统奥卡姆剃刀原则，提出投资者应尽可能增加模型有效信息以逼近真实收益生成过程，同时指出样本外拟合优度R²不能完全反映策略优劣，策略收益和夏普比率等指标更具参考价值 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7]。
