“对无论是最简单的一元回归还是复杂的机器学习而言，搞清楚是什么在对交易结果起作用是至关重要的，模型本身只是工具，并不是印钞机。”

——德维恩（弈倍研究员）

预测本身就是一件非常难的事情，从R2就可以看出来，尤其是在开发人员不知道因子池的基础上，更是闭门造车。笔者曾做过一个项目，大致内容是：

“使用BP神经网在tick级数据的基础上预测下一个或后几个tick的走势，并作出相应的交易决策”。

可惜该项目最终被搁浅，做出的效果极差，被同行说“不如用简单回归来得有效”。所以业界将预测分为两派，一派是推崇简单回归，解释度高且逻辑清晰；一派是人工智能，从数学模型的角度去刻画数据模式。在笔者看来，没有孰是孰非，只有理解与不理解的分别。

传统的预测便是选定因子池，采用简单的一元回归或多元回归来对未来收益进行预测，但实际上，很多回归预测的效果都不好，原因在于一次预测的解释度并不会很高，自然预测的y的值也就不会那么准确了。以期货为例，行业对收益率的解释度达到19%左右，如果将动量因子加入到回归模型，调整的R2可以达到20%。也就是说，诸如行业内比较有效的动量因子对方程的解释度的贡献也才1%不到，如果将所有大类因子同时进行回归（排除共线性的干扰），调整的R2也才30%多，这意味着有将近60%的收益率并没有被解释清楚。这么看来，单次回归预测可能做对了方向，但将预测次数取极限时，准确率可想而知。所以说，仅凭一次预测就能达到预期目的的，如果不是用到未来数据，恐怕是不行的。

回归难道没有用武之地？非也。笔者曾经思考过，单次预测虽然的确不能获得较高的预测效率（这里不仅仅是指简单回归，包括Lasso或者Logistic也是一样），但它的确具备预测的能力，这里用alpha来表示，也就是说，单次回归会贡献极小的alpha，那么如果能够进行无数次、相关性弱且能略微贡献alpha的回归，那么依据大数定律，是否能得到稍微靠谱一点的预测呢？当然，如果前提假设没有被采用，无论怎么做预测都是徒劳的。

说完了简单回归，那么说说机器学习。笔者在求学期间深受机器学习的影响，考虑到它在工业领域的广泛应用，这倒是可以理解。但似乎对应用于金融领域的论调，许多人倒是持反对意见。以SVM为例，SVM本身就是在通过构建核函数，在高维空间对样本进行非线性切割，这在以“可理解性”为核心的交易领域起了冲突，所以更多的是受到排挤。在笔者看来，机器学习本身和回归并无多大区别，关键是模型的输入和输出更为重要，也即大家所说的“garbage in or out”的问题，不能把责任都怪罪于模型本身。比如，在做二分类问题时，因子池内的因子逻辑不清楚，一股脑儿地输入模型并期望有良好的预测，即使是样本内预测准确，结果做样本外测试的时候却表现大相径庭，结果认为模型过度拟合了噪音。这是不对的，如果连起码的数据层的处理都不清楚，那么最后便无需继续了。除此之外，当了解了数据和模型后，对结果的分析也是相当重要的。简单的看赚钱没赚钱并不会有太大帮助，此时可能需要做一些样本外测试，或者对不同市场的回测分析比较，或者对参数敏感性做定量测试等等，这都是有必要的，而不是仅仅相信模型真的会给出天衣无缝的预测信号，不论是用简单回归还是用机器学习，这一步都是必不可少的。

换言之，在笔者看来，模型本身的效用并不会高于使用者带来的效用。模型是被用的，而不是占据主导，不是说用了模型和没用模型就会产生巨大偏差。所以从这点上来说，工具本身没有太大差异（注：不是说模型都一样，比如SVM擅长做小样本预测而神经网更适合大数据）。

另外，模型对于所有人来说都是初始化的工具，但到每个人的手上时便会显得不一样。借用知乎上一位同行的话说，与其改变X，不如改变Y。笔者深受启发，并在研究工作中定义了Y的模式，从而使得机器学习因子的表现很抢眼。考虑到严谨的问题，笔者也测试过不同的Y定义和原始值定义的测试结果之间的对比，发现差异显著。所以从这里可以看出，如果仅仅是停留在看得起或看不起模型的层面上，而不是深入思考研究中的每个细节，是无法做出优秀的策略的。