本文提出神经滤波估计器(NFE),利用经过真实残差双样本检验约束的模拟均值回复过程,以摊销推断方式估计统计套利残差价差的潜在半衰期及其后验不确定性,并将后验用于仓位配置。 在韩国股票样本中,点估计的预测收益较实际收益每持有期高约1000个基点,而摊销方法将该预测—实现缺口缩小约2至8倍;NFE后验仓位与Attention Factor Model的夏普表现基本相当,且风险没有增加。 实验同时表明,窗口内未知价位是状态识别损失的主要来源,后验的核心价值不是创造额外Alpha,而是对策略自身预测误差进行更可靠的校准。
报告标题:《Amortized Neural Filtering for Calibrated Posteriors in Statistical Arbitrage》,可译为《用于统计套利校准后验的摊销神经滤波》。
作者:Minkey Chang。
机构:韩国首尔国立大学。
会议与时间:第7届 ACM International Conference on AI in Finance(ICAIF ’26),2026年11月14日至17日,米兰;报告共9页。
研究主题:将状态空间模型、神经后验估计、模拟推断与统计套利结合,用神经网络估计残差价差当前所处的隐含均值回归状态,并将状态不确定性纳入头寸管理。
报告的核心问题是:传统统计套利通常只使用价差状态的点估计,例如认为价差“偏离均值多少”以及“均值回归速度是多少”,却不判断这一估计究竟有多可靠。作者提出神经滤波估计器(Neural Filter Estimator,NFE),在模拟的均值回归路径上训练一个可摊销滤波器,使其能够在一次前向传播中,为横截面上每个价差输出潜在均值回归半衰期的后验分布及其不确定性。,
报告的三项主要结论可以概括为:
因此,作者并没有声称NFE能够显著提高价差状态识别准确率或直接提高投资收益,核心主张更谨慎:在均值回归信号本身较弱、甚至不足以覆盖交易成本的情况下,后验能够更诚实地表达策略对自身收益预测的信心。,
传统统计套利流程通常包括:先用因子模型解释股票收益,再累积未被因子解释的残差形成价差,随后在滚动窗口上拟合均值回归模型,并根据点估计决定进出场。该流程隐含地把模型假设当成真实过程,同时忽略参数估计误差和状态不确定性。
作者特别强调了事后选择偏差或赢家诅咒(winner’s curse)。在大规模候选价差中,交易者会优先选择估计结果最有利的价差,而这些价差也可能恰恰是估计误差最乐观的价差。因此,样本中看似最强的信号往往会在实现阶段显著回落。
报告将自身放在一条逐步演进的研究链条上:Fama-French使用预先确定的特征因子,Avellaneda-Lee从数据中提取主成分并交易残差,AFM根据公司特征动态学习因子组合,而NFE在此基础上加入了隐含状态的动态模型和后验不确定性。,
报告并不把所有潜在参数变化都称为不同状态,而是采用与交易决策直接相关的定义:对于固定持有期的反向交易策略,状态只有在它改变交易是否值得执行时才算不同状态。于是,报告将状态划分为:
这一定义解释了作者为什么使用概率而不是硬分类。若交易者确信价差处于收敛状态,可以积极建仓;若只有略高于一半的概率,则应缩小仓位,因为错误地站在价差反向一侧会产生实际损失。
报告采用带状态切换的Ornstein–Uhlenbeck(OU)均值回归过程。OU模型的核心是:价差偏离某个水平后,会以速度参数κ向该水平回归。均值回归半衰期定义为:
[ \tau=\frac{\ln 2}{\kappa} ]
半衰期越短,说明回归速度越快;半衰期越长,说明回归缓慢,甚至在持有期内近似没有回归。
报告设定滤波窗口为60个交易日、持有期为20个交易日,并以60日半衰期作为状态边界。对于恒定κ的OU过程,20日内的预期回归比例约为:
[ \rho_{20}=1-2^{-20/60}\approx 0.21 ]
也就是说,收敛状态至少应在持有期内反转约五分之一的偏离,而半衰期超过60日的状态被视为无法在当前窗口和持有期内有效交易。
模拟实验中的两个代表性状态使用10日和120日半衰期,分别对应明显快速的收敛状态和缓慢的发散状态。20日内,10日半衰期状态约完成98%的回归,120日半衰期状态只完成约29%的回归。
由于NFE完全依赖模拟数据训练,模拟过程是否接近真实残差是方法可靠性的基础。作者使用分类器两样本检验:训练分类器区分真实残差窗口和模拟残差窗口,如果分类器无法有效区分,则认为候选创新分布更接近真实数据。,
最终通过检验的过程具有两个特征:
单纯使用高斯噪声被拒绝,单纯的厚尾Student-t噪声也不是最佳解释。报告指出,Student-t创新的AUC约为0.809/0.788,与随机波动率结合后拟合反而恶化。
不过,作者同时承认所选过程并未完全通过检验。预设通过阈值为AUC加两个标准误低于0.75,而最终选定过程的AUC仍为0.678,说明模拟窗口依然可以被真实数据分类器部分识别。因此,后验校准和投资结果必须放在“模拟过程仍存在残余错配”的背景下理解。
NFE由横截面步骤、时间序列步骤和后验输出头构成。横截面步骤先通过因子模型提取共同风险,得到每只股票的残差收益;时间序列步骤再读取单只股票残差累计形成的价差窗口。
时间序列部分使用门控循环单元(GRU)。每个价差输入最近60日的标准化价差和增量,GRU按时间顺序递归更新隐状态,最终隐状态代表该窗口包含的动态信息。标准化处理使网络主要关注窗口形状,而不是价差绝对水平和波动单位。
后验头采用五成分高斯混合模型,建模对象是(\log_2\tau),而不是直接建模半衰期。使用对数尺度是因为半衰期可能跨越数个数量级;使用混合分布则允许模型在窗口含糊时同时保留快速和缓慢两种可能,而不是强行选择单一状态。
收敛状态概率由后验在60日阈值之外的尾部质量给出:
[ P(D|w)=P(\tau>60|w) ]
因此,后验半衰期、状态概率和交易决策在模型结构上是一致的。
传统基准策略使用标准化偏离度(d),即价差相对窗口均值的距离,且将其限制在正负3之间。基准策略按照(-d)建立反向头寸,偏离越大,头寸越大。
NFE则计算持有期内价差的后验预测变化,并将预期变化除以总预测方差,形成均值—方差意义下的仓位。若后验对均值回归速度十分不确定,后验均值变化的方差会增加,头寸自动缩小;若后验集中,头寸可以接近点估计规则。,
这一机制的重要含义是:后验并非仅输出一个“收敛/发散”标签,而是把不确定性直接转换为风险调整后的下注规模。随后所有股票头寸进行横截面去均值并缩放至单位总敞口,以保持美元中性。
训练阶段使用(\log_2\tau)上3日至400日的平坦先验,使一个网络可以服务所有价差。部署时,作者依据每只股票训练集中的半衰期估计,使用经验贝叶斯方法将先验收缩到该股票自身的中心和宽度,但不重新训练网络,而是对后验样本重新加权。
图1左侧展示的是面板数据的双轴处理:横向是同一天不同股票的横截面因子步骤,纵向是同一股票跨交易日的时间序列编码步骤。图中橙色框表示某一天跨股票的因子处理,蓝色框表示某一股票跨日期的序列处理。
右侧展示完整NFE链条:价差窗口输入GRU,GRU输出进入五成分混合密度网络,得到半衰期后验;后验一方面计算发散状态尾部概率,另一方面进入预先固定的决策层,最终形成后验规模头寸和组合盈亏。虚线部分代表模拟训练和保形校准,而非实时交易过程。
该图最重要的含义是,NFE并没有同时重新学习因子和交易规则。横截面残差由既定因子模型提供,NFE主要负责时间序列状态推断和不确定性调整,这有助于隔离“更好的残差构造”和“更好的状态估计”两个来源。
表1比较了四代方法:Fama-French三因子残差(FF3)、滚动主成分残差(PCA)、AFM残差,以及在AFM残差上进行后验规模调整的NFE;同时包含市场调整残差这一负控制。
报告文字披露的主要结果如下:
图2(a)显示了各策略累计净收益,并将策略收益缩放至共同波动率,而随机基准保留自身尺度。图中AFM和NFE曲线在2021—2026年总体明显向上,二者高度接近;PCA上升幅度较低但仍有正向积累;FF3大致横盘并在后期走弱;随机基准整体下行。
图表支持的结论不是“NFE击败AFM”,而是:残差构造从FF3到PCA再到AFM的重要性明显高于在固定残差上的交易规则改进。作者还指出,早期样本中没有策略明显超过基准,且股票面板是在样本末端选择的,因此报告中的绝对Sharpe更像是一个偏乐观上限,而不是可直接外推的长期水平。
图2(b)横轴是名义覆盖率,纵轴是实际覆盖率。完美校准应落在45度虚线上。NFE后验曲线总体贴近虚线,说明例如名义90%的区间在模拟数据中大致包含90%的真实半衰期。
作为对照,将同一后验的宽度缩小一半后,曲线在各个覆盖水平下都低于理想线,表现为系统性低覆盖。报告给出的最大偏差在不同种子下约为0.010至0.022,而半宽度版本的偏差约为0.08至0.12。
但该图只能证明后验的边际校准,不能证明后验具有强识别能力。一个完全忽略输入窗口、只根据先验输出的分布也可能通过某种边际覆盖检验,因此必须结合AUC识别结果理解:NFE能够正确承认自己的不确定性,但并不意味着它能够精确判断每一个窗口的真实状态。
表2评估20日价差变化预测,样本为留出的KRX PCA残差。指标包括相对于无条件基准的连续秩概率技能分数(CRPSS)、预测均值相对于结果方差的离散程度、90%区间的覆盖率和宽度,以及单位总敞口下预测收益与实际收益之间的差距。,
核心结果是:
这里必须区分“预测校准”和“预测能力”。CRPSS没有显示正技能,说明这些方法没有可靠地预测未来价差变化;但NFE降低了自身过度自信程度。报告发现,将点预测统一乘以一个训练集确定的收缩系数,也能达到接近后验的预测—实现差距,说明后验的主要贡献可能是整体收缩,而不是对不同市场状态进行精细、条件化的风险判断。
保形层能够把学习方法的区间覆盖率调整到名义水平,但保形覆盖本身不能保证条件均值预测正确。OU后验在随机游走零假设下仍产生较大的预测离散度,而直接变体在该零假设下几乎没有离散度,说明OU结构对预测分布施加了较强的模型约束。
图3(a)使用t-SNE将编码器隐状态降维,并按真实(\log_2)半衰期着色。图中颜色呈现连续的空间组织,说明GRU隐状态在没有直接接收半衰期标签作为输入的情况下,确实编码了与真实回归速度有关的信息。
图3(b)展示快速、含糊和缓慢窗口的后验。快速窗口对应较窄、偏向短半衰期的密度;含糊窗口的后验更宽,甚至在快速和慢速区域同时保留质量;慢速窗口则将概率更多放在长半衰期一侧。60日阈值以虚线表示,后验跨过该阈值的面积就是发散状态概率。
该图说明后验规模规则在逻辑上是合理的:状态越含糊,后验越宽,模型越应减少仓位。不过,作者尚未在真实数据中分离“后验宽度变化带来的缩放”与“偏离度平方项导致的大偏离价差被重新加权”这两个机制。
表3汇总真实和模拟残差窗口的两样本AUC;表4列出生成模型中水平、波动率、创新项和状态链等组件及其参数固定方式;表5则给出实验协议和预先固定的配置。,
这些表格共同说明,作者试图避免在测试结果出来后反复调整策略。例如,分类器的通过阈值0.75预先注册,窗口长度、持有期、年度重拟合和成本处理均在协议中固定。,
然而,表格还显示出几个重要限制:两样本检验主要约束创新分布和波动率,对均值回归核的识别能力很弱;改变核函数带来的AUC变化最多只有0.014。因此,“模拟器通过测试”不能被理解为OU核已经被数据强力验证。
在恒定波动率、高斯创新的特殊模拟情形下,作者可以计算精确似然比检测器。所有实际估计器和参考检测器的AUC都在0.61—0.66之间,而知道真实水平和波动率的贝叶斯上界达到0.93。
如果真实价差水平已知,分类分离度可提高到0.79—0.81,说明未知水平是主要信息瓶颈。单纯加入未去均值的价差输入几乎没有帮助:单独增加的AUC只有0.0002±0.0005,与真实水平直接提供时约+0.139±0.002的提升相比非常小。
这意味着更复杂的神经网络或更精确的滤波算法无法凭空创造缺失的信息。报告用粒子滤波器作为比较:粒子滤波器的半衰期秩相关为0.74,高于NFE的0.59,但每个横截面耗时7.9秒,而NFE只需2.5毫秒;NFE一次训练约需104秒。
因此,NFE的优势是摊销推断:把较大的训练成本提前支付,部署时快速处理大量价差。它并不是在统计识别精度上超过所有传统方法,而是在速度、批量应用和可校准概率输出之间进行权衡。
报告有一个与预先预测相反的“超调”结果。按照特征学习得到的标签,过去60日被标记为发散的窗口,其后续反向策略每持有期实现约+118个基点,而收敛窗口只有约+27个基点,收敛减发散差异为-92个基点。
这一结果在注入正控制、随机游走零假设、按头寸权重归一化以及不同时间段重复实验中仍然存在。作者因此认为,60日发散在该面板中可能代表“超调”:虽然短期看似继续偏离,但实际上形成了更有利的反向交易机会。
这一发现与NFE对慢速回归窗口进行收缩的规则存在张力,因为后者会降低这类窗口的仓位。作者没有将超调标签纳入NFE决策,而是把它作为尚未解决的研究问题。
面板形式的NFE在模拟数据上优于单只股票的递归滤波。共享因子面板的半衰期负对数似然从2.088下降至1.762,其中约0.179±0.003来自共享因子本身;模型保持校准,且直接给出真实创新参数并不能进一步改善,说明收益主要来自网络利用横截面共享结构。
但这一结果尚未在真实投资组合中验证。真实数据上的自学习横截面步骤Sharpe只有-0.03,接近随机基准,因此最终组合仍采用AFM的因子构造。,
这不是传统股票研究报告,不包含公司目标价、DCF、P/E或EV/EBITDA等估值方法,因此不存在针对单一公司的估值区间或目标价。报告中的“价值”应理解为策略层面的风险收益价值,而不是证券内在价值估计。
其策略评价主要依靠:
作者并没有通过现金流折现把后验转化为货币目标价,而是检验:在同样的残差、信号、持有期和总敞口下,使用后验是否能减少错误下注和过度自信。结果显示后验没有显著增加Sharpe,但可能改善风险预算和收益预期的诚实程度。
NFE在模拟过程上训练,而选定过程的AUC仍为0.678,表明模拟数据与真实残差并不完全相同。若真实市场中的结构超出模拟先验,后验可能出现系统性错校准。
价差均值水平和均值回归速度都从同一个60日窗口估计,导致慢速回归看起来像快速回归或随机波动。该问题是报告识别损失的最大来源,单纯改进神经网络难以解决。
2018—2026年AFM和NFE表现较好,但早期样本没有策略明显超过基准,说明结果具有明显的时期依赖。股票面板在样本末端选择,也使绝对Sharpe可能偏高。
报告计入交易成本和做空成本,但没有模拟韩国部分时期实施的交易税和卖空限制,因此报告中的收益水平并不是可以直接执行的真实净收益。
此外,因子对冲腿没有单独交易和计费,可能低估完整组合的实际资金占用、换手和成本。
两个股票宇宙筛选都使用了样本末端信息,包括末端流动性排名和剔除退市股票,这会产生幸存者偏差和前视信息问题。
FF3因子需要规模和账面市值比同时可得,而联合覆盖从2017年才开始,因此FF3早期表现较弱并不完全说明其方法本身失败。
实验主要使用一个训练种子,作者明确把结果称为探索性,只有部分结果在不相交时间段或不同种子上被确认。NFE相对于AFM的Sharpe差异只有+0.04,而标准误约0.41,因此不能据此宣称NFE提高了投资收益。
报告最值得肯定的地方是没有把“校准后验”包装成更高alpha。作者明确承认,没有任何方法相对于无条件基准显示出正的预测技能,且后验收益主要表现为预测收缩和风险表达改善。
但“后验已校准”这一表述需要限定。半衰期后验的覆盖检验是在训练模拟分布上完成的,部署时使用的每只股票经验贝叶斯先验没有被单独检验;真实数据上的保形层主要校准预测区间覆盖率,并不能证明状态概率在条件层面准确。,
报告还存在一个重要的解释差异:组合层面AFM和NFE的Sharpe约为1.45,而表2显示未来价差预测没有相对于无条件基准的正技能。这并不必然矛盾,因为组合Sharpe评价的是特定横截面排序、因子残差和交易规则的组合结果,而表2评价的是单个20日变化预测的概率技能;二者使用了不同的预测目标和评价层级。,
另外,较长250日窗口的策略在一个期间Sharpe达到2.77、另一个期间却为-0.91,说明窗口选择非常不稳定。作者因此没有把250日结果纳入主结论,这是报告在防止选择性报告方面较为审慎的处理。
整体而言,这篇报告提出的不是一个能够稳定战胜市场的新交易信号,而是一种面向统计套利的不确定性管理框架。NFE把价差的均值回归速度表示为后验分布,而不是单一数字,并通过后验方差减少对模糊窗口的过度下注。,
图表和表格共同支持三个层次的结论:第一,AFM等更好的横截面残差构造比交易规则本身更能决定组合表现;第二,NFE在模拟数据上具有合理的边际覆盖能力,但实际状态识别受到未知价差水平的强烈限制;第三,后验没有显示出稳定的额外alpha,却能将点估计约1,000个基点/持有期的预测—实现偏差压缩至约原来的二分之一至八分之一。, ,
作者的总体立场是:统计套利中的主要问题不是模型完全找不到均值回归,而是交易者往往对脆弱、成本高昂的均值回归信号过度自信。NFE的贡献在于让策略知道自己可能错在哪里、错得有多严重,并把这种不确定性转化为头寸大小,而不是承诺更高的回报率。,
因此,报告最终并未给出传统意义上的“买入”评级或目标价。若以量化策略研究的语言概括,其结论更接近:对AFM残差维持基准交易能力,对NFE给予校准和风险控制方面的正面评价,但不确认其带来独立alpha;未来最重要的方向是利用横截面共享信息改善价差水平估计,并在真实数据上验证面板式NFE是否值得承担额外交易成本。,
2610.25802.pdf