AI 配置期货:打平等权,差在换手

16 个流动性最好的期货上，用可微夏普直接训练组合权重：Transformer 样本外夏普 0.55，与等权的 0.52 难分高下；LSTM 毛夏普 0.50，但换手高，扣 2 个基点成本后只剩 0.33。

这一章的前两篇，一篇是量子核预测 A 股横截面，一篇是时间序列大模型预测波动率，都是"先预测、再使用"。本篇是这一章的最后一篇，换一种思路：不预测收益，直接学习仓位。

一、它想回答什么

跨资产配置的标准做法分两步：先预测各资产的收益和协方差，再做均值—方差优化。问题在于收益预测噪声很大，小的预测误差会被优化放大成不稳定的权重。

端到端的思路是把两步合成一步：用神经网络把市场状态直接映射成组合权重，训练目标就是组合本身的夏普比率。这在金融经济学里叫"参数化组合策略"，在运筹学里叫"面向决策的学习"，在强化学习里叫"策略函数近似"。

该文问的是一个很务实的问题：在全球宏观和管理期货实际会用的品种上，这类策略什么时候能胜过从业者真正在用的简单规则，而且胜出的幅度足以抵消它增加的复杂度？ 作者明确说，目的不是提出新架构。

二、设计

品种：16 个芝加哥商品交易所流动性最好的期货，覆盖六大类——股指 3 个、利率 4 个、外汇 2 个、能源 2 个、金属 3 个、农产品 2 个。选最具流动性的品种，是为了排除流动性溢价这一收益来源，让检验更接近纯粹的择时。日频数据 2000 至 2024 年，连续合约按成交量和持仓量换月，所有计算只用过去的数据。

数据特征：同一大类内部，日收益的平均两两相关系数是 0.67；不同大类之间只有 0.05，几乎正交。每个大类滚动一年的夏普比率都在正负之间反复切换。

策略：一种用于资产配置的 Transformer（编码器和解码器各四层，带因果掩码），以及作为对照的 LSTM。网络输出每个资产的得分，经过"带符号的 softmax"变成多空权重，总绝对敞口为 1。训练目标是毛收益的负夏普比率；另测试了加入换手惩罚的版本。

状态变量：作者构造了趋势、均值回复、赫斯特指数、偏度、峰度、波动率、相关性等特征，但它们在样本外"几乎没有增益、迁移也不稳定"，所以正式结果只用各品种的日收益序列作为输入。

滚动检验：前 40% 的样本用于初始训练，之后按约四年一段扩展窗口重新训练，按时间顺序 90/10 划分训练集和验证集，不打乱。跨资产组合的样本外期为 2011 至 2024 年。分别对六个大类和全部 16 个品种各跑一次，共七个"组合范围"。

对照规则：等权（纯多头）、风险平价（60 日波动率倒数加权，纯多头）、12 个月时间序列动量（多空）。所有策略每日调仓。

成本：按每单位换手 2 个基点计费，另做 0 到 10 个基点的敏感性分析。

统计推断：七个范围的夏普比率是否显著异于零，用 Bonferroni 校正（要求 |t| > 2.69）；两个策略谁更好，用平稳自助法检验夏普差；再用 Newey–West 回归把收益分解为市场暴露和残差 α。

三、主要发现

样本外夏普（毛）：

（* 表示经 Bonferroni 校正后显著异于零。）

第一，没有一种方法处处领先。 Transformer 在跨资产、金属、农产品领先，LSTM 在股指领先，等权在能源领先，时间序列动量在利率和外汇领先。学习型策略在简单规则最弱的地方增益最大，比如农产品的 0.34 是最好纯多头规则的两倍多；在单边上涨明显的股指和能源上，它们没有胜过等权。

第二，排名只是点估计。 校正后显著异于零的，只有股指上的四个策略（t 约为 3）；跨资产 Transformer 的 t 约为 2，过了未校正的 5% 水平，过不了 Bonferroni。自助法给出的"Transformer 胜过对手"的概率：对风险平价 0.99，对时间序列动量 0.68，对等权只有 0.59。作者的结论写得很清楚："The cross-asset transformer therefore matches, rather than significantly beats, 1/N."

第三，换手决定净表现。 Transformer 每日单边换手约 0.02，LSTM 在 0.07 到 0.17 之间。跨资产组合的净夏普随成本变化：

毛收益上两个网络几乎一样，扣费之后分道扬镳。给 LSTM 加换手惩罚能减少交易，但净表现的提升不足以改变排序；对本来换手就低的 Transformer，惩罚反而约束过度。

第四，股指上的"技能"主要是市场暴露。 用各范围的等权组合做基准回归：Transformer 在股指上的 α 只有 0.8%（不显著），β 为 0.63；LSTM 的 α 为 3.9%（显著），β 为 0.50。其余范围都没有显著的 α，直接的择时能力检验也都不显著。作者的解读是：Transformer 学到的，更接近一个"风险效率较高的方向性暴露"，而不是市场中性的择时能力。

第五，增加复杂度没有帮助，除了多种子平均。 单个随机种子训练出的跨资产 Transformer，夏普比率波动很大，与零难以区分；三个种子平均之后才稳定到能与简单规则竞争。混合专家结构、更多特征、按大类单独调参、LSTM 与 Transformer 集成，都没有带来实质改进。

四、一项补充：打平需要多少年才能分出胜负

先做自洽检查。

• 显著性标记
  ：用 t ≈ 夏普 × √年数，样本外 14 年，Bonferroni 门槛 2.69 对应夏普约 0.72。表中带星号的恰好是夏普高于 0.72 的四个（0.78、0.79、0.87、0.80），跨资产 Transformer 0.55 × √14 = 2.06，与文中"t 约为 2"一致
• 扣费后的夏普
  ：净夏普 ≈ 毛夏普 − 成本 × 日换手 × 252 ÷ 波动率。LSTM（波动率 5%、换手 0.17）在 1、2、5、10 个基点下算得 0.41、0.33、0.07、−0.36，Transformer（波动率 8%、换手 0.02）算得 0.54、0.54、0.52、0.49，与表中基本一致
• 一处有待说明的出入
  ：按"α + β × 基准收益"复算股指上的收益，LSTM 应为 3.9% + 0.50 × 15% ≈ 11.4%，表中为 9%；Transformer 应为 0.8% + 0.63 × 15% ≈ 10.3%，表中为 12%。两张表的样本区间或收益定义可能不同，该文没有说明

盈亏平衡成本。 第一季用过的工具：盈亏平衡成本 = 年化收益 ÷ 年化换手。

• LSTM：年化收益约 2.5%，年换手约 43 倍，盈亏平衡成本约 6 个基点——与表中 5 个基点时夏普只剩 0.06 吻合
• Transformer：年化收益约 4.4%，年换手约 5 倍，盈亏平衡成本约 87 个基点
• Transformer 相对等权（等权的目标权重不变，换手记为零）：成本高于约 5 个基点，就会落到等权之下，与表中 5 个基点时两者同为 0.52 一致

两个网络的毛夏普相差 0.05，盈亏平衡成本却相差约 15 倍。对于毛收益接近的两个策略，换手才是真正的分水岭。

"打平"需要多少年才能分出胜负。 自助法给出 Transformer 胜过等权的概率是 0.59，在正态近似下相当于 z ≈ 0.23；夏普差 0.03，于是 14 年样本下夏普差的标准误约为 0.13。按两个夏普比率之差的标准误公式反推，两者的收益相关系数大约在 0.9 左右——Transformer 学到的，与等权相当接近。

由此可以算：要以 80% 的把握、在 5% 水平下确认 0.03 的夏普差，需要约 两千年 的数据。即使相关系数高达 0.9、夏普差的噪声已经被大幅抵消，这个差距仍然远在可检验的范围之外。这与上两期的结论一致：新模型与强基准之间的小差距，靠延长样本几乎不可能分辨。

0.59 与"排名第一"。 在跨资产范围里，Transformer 的夏普确实最高；但 0.59 的概率意味着，换一段同样长的历史，等权排第一的可能性并不小。作者把排名称为"点估计而非已确立的差异"，这一自我定位是准确的。

五、值得进一步区分的观察

夏普目标在上涨市场里有一个"捷径"。 作者自己指出：在样本期整体上涨的市场里，模型只要学会一个稳定的、小于 1 的多头暴露，就能提升夏普目标，而这不需要任何择时能力。股指上 Transformer 的 β 为 0.63、α 不显著、夏普 0.80 与等权的 0.78 几乎相同——夏普比率不随杠杆变化，0.63 倍的等权组合，夏普就是等权的夏普。端到端优化最先学会的，往往是"持有那个在涨的资产"。

样本外期参与了设计选择。 工程特征之所以被舍弃，是因为在初步的滚动检验里"没有稳定的样本外增益"；多种子平均、混合专家、集成等变体，也都是在样本外表现上比较后取舍的。舍弃的方向是更简单的模型，过拟合风险因此较低，但严格说来，报告的样本外期并不是完全没被看过的留出样本。训练参数主要在 LSTM 上调，再直接用于 Transformer，作者也承认这可能影响归因。

两个网络的毛收益相近，风险来源却不同。 LSTM 的股指收益有显著的 α，Transformer 的主要是 β；Transformer 在金属和能源上的 α 估计值更大。作者由此提出：风险、换手和归因，要在实际使用的那个模型上测量，不能从一个架构推到另一个。

等权的零换手是一个简化。 该文把等权这类常数权重规则的换手记为零，而实际维持固定权重需要随价格变化再平衡，所有策略也都需要换月。这对等权略有利，但幅度很小，不改变结论。

六、作者已声明的边界

• 把这项研究定位为"保守的检验"：只有日频、只有流动性最好的品种，单个大类只有两到四个品种，模型可利用的截面很窄
• 结果对随机种子敏感，单个估计应视为提示性的而非定论
• 训练参数主要在 LSTM 上调，针对 Transformer 单独调参可能改变归因
• 只比较了两种架构
• 工程特征的充分利用留待后续
• 各范围的排名是点估计，不是已确立的差异；夏普差的自助法检验未做多重校正
• 后续方向：更高频率的数据、更多品种和大类、合约与大类的嵌入表示

作者在结论里提出的两条经验值得原样记下：学习型策略应当与从业者实际会用的规则比较，而不只是与等权比较；风险、换手和归因要在实际使用的模型上测量。

七、评价

值得读。

样本外检验标"警告"：样本外期参与了特征和变体的取舍。多重检验标"警告"：七个范围的"夏普异于零"做了校正，但尝试过的模型变体没有计入。数据可得性标"警告"：商业数据，付费可得。

给"值得读"，是因为它的结论措辞很克制，"打平而非胜出""主要是市场暴露"都由作者自己说出；再补上盈亏平衡成本和检验力的换算，可以更清楚地看到这些结论的分量。

八、可以带走的

第一，对照组选从业者真正会用的规则。 等权、风险平价、时间序列动量各有擅长的市场，只和其中一个比，结论会偏。

第二，先看换手，再看毛夏普。 毛夏普相差 0.05 的两个网络，盈亏平衡成本相差 15 倍。国内期货的单边成本（手续费加滑点）因品种而异，很多品种高于该文假设的 2 个基点，换手的影响只会更大。

第三，做一次 α/β 分解。 夏普比率不随杠杆变化，一个学会了"小仓位持有上涨资产"的模型，夏普可以和等权一模一样。

第四，多个随机种子平均。 这是该文唯一稳定有效的增强手段，成本最低。

回头看这一章。 三篇文章、三种新模型，结论惊人地一致：在严格的对照下，新模型与强基准之间要么没有差距，要么差距小到需要几十年、几千年的数据才能确认。岭回归、Log-HAR、等权，这些老基准都很强。真正拉开差距的，是评估方式：只换一个部件的对照、预算对等、实时可构建的股票池、逐资产的损失比、校准与信息的分解、换手与成本、α/β 分解，以及事先算好的检验力。

下一章换一个问题：信号要过的几道关。 第一篇把散户最常用的五类技术信号——趋势、振荡指标、K 线形态、成交量、日历效应——放进三道事先声明的关口：多重检验校正后的统计优势、扣费后的经济价值、杠杆下的生存。四类被判定为"否定"，趋势和一个动量对照"无法判定"，没有一类通过。更值得看的，是它怎样区分"被否定"和"证据不足"。

评分

红旗自查

一句话结论：值得读

参考文献

[1] Austin Pollok, Kevin Robik (2026). End-to-End Parametric Portfolio Policies for Cross-Asset Futures Timing: When Do AI Models Beat Simple Rules?. arXiv. https://arxiv.org/abs/2607.00475

仅为论文解读，不构成任何投资建议。