集成模型平均：把多个弱预测融成稳健 Alpha

机器学习做量化，最容易犯的一个错是：把宝押在单个「最强模型」上。你调参调到深夜，挑出 AUC 最高的那个 XGBoost，兴冲冲上实盘，结果它第一个月就垫底。问题不在模型，在于「单个模型」本身就是一个高方差的赌注。

集成学习(ensemble)在 Kaggle 上是常识，在量化里却常常被低估。本文聊的是其中最朴素、也最被低估的一种——集成模型平均(model averaging)：把 M 个「弱预测」直接取平均，得到集成信号 S_M = (1/M)·Σ s_k。

它的核心结论有一个解析保证，不是玄学：

Var(S_M − μ*) = (σ_η² / M) · (1 + (M − 1)·ρ)

其中 ρ 是各模型误差之间的相关系数。它说清楚了一件事：只有当模型误差「相互独立」(ρ 小) 时，加模型才持续降噪；如果 M 个模型共享同一份误差(ρ=1)，平均也无济于事。这就是「有效分散化」在预测层面的量化表达——和投资组合分散化是同一个灵魂。

我们用 10 只股票、252 天、带「真 alpha + 共享/独立噪声」的合成面板，把这件事跑成看得见的数据：单模型信号 IC 0.134，40 个模型集成后 IC 升到 0.229；横截面多空组合的年化 Sharpe 从单模型均值 1.60 拉到 3.12(≈oracle 用真 alpha 的 1/3，是单模型的 1.96 倍)。

一、数据机制：真 alpha + 带噪信号#

设每只股票有一个「真 alpha」μ*_i(已对截面去均值)，日收益

r_{t,i} = μ*_i + 特质噪声

用横截面多空(dollar-neutral)组合 w ∝ (S − 均值) 来隔离 alpha、剔除市场暴露。

M 个「弱模型」给出带噪信号 s_k = μ* + η_k，其中 η_k 之间相关系数 ρ(共享误差占比)。集成信号 S_M = (1/M)·Σ s_k。

import numpy as np

N = 10          # 股票数
T = 252         # 交易日
SIG_MU  = 0.004 # 真 alpha 截面波动(日频，已去均值)
SIG_R   = 0.020 # 特质噪声
SIG_ETA = 0.030 # 单模型信号噪声
RHO     = 0.30  # 模型误差相关

def make_models(M, rho, seed=20260713):
    r = np.random.default_rng(seed)
    mu = r.normal(0, SIG_MU, N); mu = mu - mu.mean()
    R  = mu[None, :] + r.normal(0, SIG_R, (T, N))
    zc = r.normal(0, SIG_ETA, (T, N))          # 共享误差成分
    signals = []
    for k in range(M):
        zk  = r.normal(0, SIG_ETA, (T, N))     # 独立误差成分
        eta = np.sqrt(rho) * zc + np.sqrt(1 - rho) * zk
        signals.append(mu[None, :] + eta)
    S = np.stack(signals, 0).mean(0)           # 集成信号
    return mu, R, S, signals

关键在 eta 的拆法：√(ρ)·zc 是所有模型共享的误差，√(1−ρ)·zk 是模型各自独立的误差。ρ=0 时模型误差完全独立，ρ=1 时所有模型只是同一份噪声的拷贝。

二、为什么平均能降噪：解析推导#

设单模型误差 η_k = μ* 噪声，Var(η_k) = σ_η²，任意两模型误差相关 ρ。集成信号的误差：

S_M − μ* = (1/M)·Σ_k η_k
Var(S_M − μ*) = (1/M²)·Σ_{i,j} Cov(η_i, η_j)
             = (1/M²)·[M·σ_η² + M(M−1)·ρσ_η²]
             = (σ_η² / M)·(1 + (M−1)·ρ)

分两种极端：

• ρ=0(误差独立)：Var = σ_η²/M，随 M 线性下降，集成本质是「平均掉独立噪声」；
• ρ=1(误差全共享)：Var = σ_η²，与 M 无关——加再多模型也只是把同一份噪声复制 M 遍再平均，白搭。

这正是集成学习的命门：集成的增益来自「误差的多样性」(error diversity)，而不是「模型的数量」。这也解释了为什么十个几乎一样的 LSTM 集成没用，而树模型(random forest / gradient boosting)集成有用——后者靠 bootstrap 和特征子采样人为制造了误差多样性。

三、回测结果：Sharpe 随 M 收敛向 Oracle#

横截面多空组合的 Sharpe 计算与 IC 度量：

def ls_sharpe(S, R):
    w = S - S.mean(1, keepdims=True)              # dollar-neutral
    w = w / np.abs(w).sum(1, keepdims=True)
    ret = (w * R).sum(1)
    ann = ret.mean() * 252
    vol = ret.std(ddof=1) * np.sqrt(252)
    sharpe = ann / vol if vol > 0 else 0.0
    return sharpe, ann, vol, ret, w

def ic(sig, target):
    def rank(x): return x.argsort().argsort().astype(float)
    out = []
    for t in range(sig.shape[0]):
        rs = rank(sig[t]) - rank(sig[t]).mean()
        rt = rank(target[t]) - rank(target[t]).mean()
        out.append((rs*rt).sum() / np.sqrt((rs**2).sum()*(rt**2).sum()))
    return float(np.mean(out))

mu, R, S, signals = make_models(40, RHO, seed=20260713)
sp_ens, ann_ens, vol_ens, ret_ens, _ = ls_sharpe(S, R)
sp_or  = ls_sharpe(mu[None,:].repeat(T,0), R)[0]   # oracle 上界
sp_single = np.mean([ls_sharpe(signals[k], R)[0] for k in range(40)])
ic_single, ic_ens = ic(signals[0], mu), ic(S, mu)

主要数字(ρ=0.3, 规范种子)：

集成把 Sharpe 拉到单模型的 1.96 倍，并随 M 上升单调收敛向 Oracle(用真 alpha 的理论上界)。注意 oracle 的 Sharpe 远高于集成，因为集成即使在 M→∞ 也只消除了独立噪声，真实数据里还有固有不可解释方差。

四、噪声被「削平」：日收益分布#

看日收益分布最直观：集成信号的均值更接近 Oracle、方差被削平，单模型信号的噪声尾巴更厚。

fig, ax = plt.subplots(figsize=(10, 5.2))
ax.hist(ret_ens*100,  bins=40, color="#C44E52", alpha=0.55, density=True,
        label=f"集成(M=40) 日收益 μ={ret_ens.mean()*100:.3f}% σ={ret_ens.std()*100:.3f}%")
ax.hist(ret_or*100,   bins=40, color="#8172B3", alpha=0.45, density=True,
        label=f"Oracle 日收益 μ={ret_or.mean()*100:.3f}% σ={ret_or.std()*100:.3f}%")
ret_s0 = ls_sharpe(signals[0], R)[3]
ax.hist(ret_s0*100,   bins=40, color="#999999", alpha=0.40, density=True,
        label=f"单模型 日收益 μ={ret_s0.mean()*100:.3f}% σ={ret_s0.std()*100:.3f}%")
ax.set_xlabel("日收益 (%)"); ax.set_ylabel("密度")
ax.set_title("横截面多空日收益分布：集成把噪声『削平』，均值更接近 Oracle")
ax.legend(fontsize=8); ax.grid(True, color="#DDDDDD", lw=0.6)

五、权重随 M 收敛到 Oracle#

集成不只是「收益更稳」，它的持仓权重也随 M 收敛向 Oracle 权重。算集成权重与 Oracle 权重的相关系数：

corr_vs_M = []
for m in [1,2,3,5,8,12,20,30,40]:
    Sm = np.stack(signals[:m], 0).mean(0)
    wm = (Sm - Sm.mean(1, keepdims=True)); wm /= np.abs(wm).sum(1, keepdims=True)
    corr_vs_M.append(np.corrcoef(wm.ravel(), w_or.ravel())[0,1])

M=40 时权重相关约 0.24(注意：截面权重被 dollar-neutral 归一后相关偏低，但趋势明确——随 M 上升而提高)。这说明集成改善的是信号方向的一致性，而不只是把方差压小。

六、鲁棒性：10 个种子#

单次结果可能侥幸。跑 10 个种子确认：

• 集成 Sharpe 均值 2.23 ± 1.92，单模型均值 1.22，Oracle 均值 9.83，纯噪声基准 0.18；
• 集成 > 单模型：8/10 个种子；集成 > 纯噪声：7/10 个种子。

高标准差(±1.92)说明在小样本(10 股票/252 天)下集成增益仍有波动，但「集成不劣于单模型、且方向上优于纯噪声」是稳定的。

七、六大真实陷阱#

集成模型平均最容易被滥用。六个坑：

1. 误差不独立(ρ 高)：这是头号坑。如果 M 个模型都是「同一份数据 + 同一套特征 + 不同超参」，它们的误差高度相关，平均几乎不降噪。要制造多样性，得在数据子采样、特征子集、模型族、标签定义上真正分叉。
2. 等权并非总是最优：本文用等权平均。若模型质量差异大，可加权(按 IC / Sharpe / 时序相关性倒数)。但加权本身要样本外确定，不能偷看未来。
3. 过拟合叠加：每个子模型若都已过拟合，集成只会把「一致的过拟合」放大。务必每个子模型都做 purged K-fold / walk-forward 验证。
4. 标签泄漏：多模型共享同一份泄漏标签，会集体「看起来很准」。集成放大的是信号也放大噪声——包括泄漏带来的假信号。
5. 相关性时变：ρ 不是常数。市场 regime 切换时模型误差相关性会骤升(危机时所有模型一起犯错)，此时集成的降噪红利消失，需要做 regime 条件下的相关性监控。
6. 成本吞噬：等权集成常提高换手(多个信号方向不一)。实盘必须把交易成本、冲击成本算进 Sharpe 对比，否则纸面增益被摩擦吃掉。

八、结语#

集成模型平均的威力，凝结在一条公式里：Var(S_M−μ*) = (σ_η²/M)·(1+(M−1)ρ)。增益来自误差多样性，不是模型数量。 当模型误差独立(ρ 小)，加模型持续降噪、Sharpe 收敛向 Oracle；当误差共享(ρ→1)，集成退化成「把同一份噪声复制 M 遍」。

对量化研究者而言，最该记住的不是「集成更好」，而是**「我的模型们到底有多不相关」**。在因子模型、多信号择时、跨模型 alpha 融合里，先用 ρ 把误差相关性量化出来，再去决定要不要集成、怎么集成。它和前面聊过的分散化投资、风险平价是同一套思想在不同层的投影。

实盘落地清单(给研究者的提醒)：

• 在数据/特征/模型族/标签四个维度至少一处制造真正分叉，先把子模型误差相关 ρ 压下来；
• 用样本外滚动窗口估计 ρ，危机段 ρ 会飙升，提前设好「集成降噪失效」的降级开关；
• 等权起步，确有样本外证据再上 IC/相关性加权；
• 集成前后都扣真实交易成本对比 Sharpe，别被纸面增益骗了。

注：本文信号为「真 alpha + 共享/独立噪声」的自洽合成数据，用于演示集成机制；真实因子模型中模型误差相关性来自共同数据来源与因子暴露，落地需接入真实多因子/多模型流水线并做样本外与 walk-forward 验证。