When Alpha Breaks: Two-Level Uncertainty for Safe Deployment of Cross-Sectional Stock Rankers
创建于 更新于
摘要
本文研究在横截面股票排序器部署时的不确定性问题，提出将部署解耦为两层决策：策略层是否交易（regime-trust gate G(t)）与仓位层对高不确定性股票的尾部降配（epistemic eˆ-Cap）；基于DEUP适配到排序损失的误差预测器g(x)构建可部署的PIT-safe不确定性信号ê(x)，并在AI专题宇宙的DEV/FINAL划分下验证：ê在股票级能稳定排序失败风险（quintile monotonicity），但与score存在结构性耦合（median ρ(ê,|score|)=0.616），使得连续按不确定性反比加权反而削弱极端信号；最终实证表明二级架构（Gate + Vol + ê‑Cap P85）在20d上显著改善风报比并具有可部署性（使用PIT-safe a(t)）[page::0][page::2][page::31]
