20260422:更新

concepts/spurious-predictability.md

@@ -0,0 +1,68 @@
+---
+title: "Spurious Predictability"
+created: 2026-04-20
+updated: 2026-04-20
+type: concept
+tags: [statistics, machine-learning, finance, methodology, econometrics]
+sources: [raw/papers/nikolopoulos-spurious-predictability-2026.md]
+---
+
+# Spurious Predictability
+
+**虚假可预测性**是指在金融机器学习中，通过自适应规范搜索（数据挖掘、模型选择、超参数调优）产生的统计显著的预测结果，即使底层数据生成过程没有真正的预测结构。
+
+## 核心机制
+
+### 1. 自适应规范搜索 (Adaptive Specification Search)
+- **数据挖掘**：在大量潜在预测因子中搜索
+- **模型选择**：从多个候选模型中选择最佳模型
+- **超参数调优**：优化模型参数以获得最佳性能
+
+### 2. 多重比较问题 (Multiple Comparisons Problem)
+- **未调整的显著性检验**：忽略多次测试的统计问题
+- **有效多重性**：考虑相关搜索路径的调整
+
+### 3. 过拟合 (Overfitting)
+- **样本内优化**：在训练数据上表现良好
+- **样本外退化**：在未见数据上表现下降
+- **性能差距**：样本内与样本外表现的差异
+
+## 检测方法
+
+### 证伪审计 (Falsification Audit)
+1. **零可预测性环境**：模拟没有真正预测结构的数据
+2. **微观结构安慰剂**：包含真实但非预测性的市场特征
+3. **工作流测试**：应用完整预测流程到参考类
+4. **证伪标准**：拒绝在零可预测性环境中显示显著预测能力的工作流
+
+### 性能膨胀量化
+对于通过证伪测试的工作流：
+1. **样本内性能**：优化后的训练数据表现
+2. **样本外性能**：Walk-forward 验证表现
+3. **性能差距**：调整有效多重性后的绝对差异
+
+## 实践影响
+
+### 1. 方法论挑战
+- **虚假发现率**：许多表面发现是方法论伪影
+- **可重复性危机**：类似其他经验科学的挑战
+- **发表偏倚**：倾向于发表正面结果
+
+### 2. 解决方案
+- **稳健验证框架**：如证伪审计
+- **多重比较调整**：考虑有效多重性
+- **透明报告**：完整披露搜索过程
+
+## 相关概念
+
+- [[nikolopoulos-spurious-predictability]] - 原始论文
+- [[cramer-rao-lower-bound]] - 参数估计的理论下界
+- [[computerized-adaptive-testing]] - 自适应测试方法论
+- [[formal-verification]] - 验证的形式化方法
+
+## 延伸阅读
+
+1. **Nikolopoulos (2026)** - *Spurious Predictability in Financial Machine Learning*
+2. **金融机器学习方法论** - 关于过拟合和虚假发现的文献
+3. **多重比较调整** - 统计学中的校正方法
+4. **可重复性研究** - 经验科学的可重复性挑战