特征库与投资组合决策

Characteristic Libraries and Portfolio Decisions

把特征库中已有的特征复制几份或按主题重新加权，不增加任何信息，却会让调好参数的投资规则改变持仓；扣除交易成本后收益是升是降，取决于方法。

作者

单位

刘明杨（Mingyang Liu）

帝国理工学院商学院

版本

2026年9月

论文及网络附录（PDF，87 页，英文） · BibTeX

求职论文 · 工作论文，2026 年 9 月 · 含网络附录共 87 页（英文）

资产管理人不断往用来预测收益的特征库里添加股票特征。有些调整根本不增加任何信息：把特征库中已有的特征复制几份，或按主题整体重新加权。然而在美国股票上，即使是这类调整，也会改变调好参数的组合规则偏重哪些主题、持有哪些股票。这种变化是好是坏，要看用的是哪种方法、交易成本多高、缺失收益怎样估值。另一方面，在本文检验的方法中，真正加入新特征对预测精度的影响却很小，估计也不精确。

1 研究问题

在整个研究主线中，这是最后一步：信息相同，持仓为何不同？《特征几何》表明尺子（模型衡量特征方向大小与重叠程度的规则，见理论框架）的单位能改变持仓；本文追问特征库的写法是否也能，并把答案一直追到具体股票和扣除交易成本后的收益。

特征库即交给模型的全部股票特征（如市值、账面市值比、过去收益）。同样的信息，只是换一种写法（把某些特征复制几份，或按主题重新加权）交给模型，调好参数的投资模型会不会选出不同的股票？扣除交易成本后，收益会不会因此不同？

简短回答。 会：数据、股票、日期和方法都相同，持仓却不同，因为模型的惩罚按特征库写出的列逐列收费。以主题均衡为例：按主题重新加权（主题即一组相关指标，如 17 个质量指标），不增加任何信息。若写法无关紧要，目标持仓就不会变；可是即使重新调参，两个特征库在同一日期想要持有的头寸之差，仍相当于平均多空头寸总规模的 19%–28%（表 I，第 24 页）。这是同一日期目标持仓之差，不是实际交易。扣除交易成本后收益是升是降，取决于方法、成本水平和缺失收益的估值方式。

为什么会变：一种按注额平方计征的税。 设想每笔下注都要按注额的平方交税。把一笔金额为 b 的赌注拆成五笔相同的小注，总税额就只剩五分之一：5 × (b/5)² = b²/5。你自然会在这件事上多押一些，尽管并没有学到任何新东西。岭惩罚（ridge：按系数平方收费的收缩方法，强度由历史数据调定）正是这样：把一个特征精确复制成五份，它的有效惩罚就降为原来的五分之一（第 I.B 节，式 2，第 5 页），模型随之偏向被复制的主题。

这个类比也有局限。惩罚是统计上的收缩手段，不是投资者真实承担的成本。重新调参只能对所有主题统一调一个税率，所以一般抵消不了只偏向某一主题的拆分（第 5 页）。

主题均衡（theme balancing）按列数缩放各主题的列，让列多的主题不再因此在惩罚下占便宜；它相当于换单位，不增加也不减少任何信息。另一种改写是选择性复制：把某一主题的列重复成五份。

2 为什么重要

特征库更新是日常工作。回测变好，可能只是因为输入的“写法”变了，而不是“内容”变了（第 I.A 节，第 4 页）。质量主题有 17 个指标，但它们高度同步，按线性重叠折算只相当于约 3.5 个（参与秩 3.47）；季节性主题的 12 个指标则相当于将近 12 个（表 II，第 25 页）。这是数据中独立方向的个数，不是独立信息来源的个数（第 III.A 节，第 11 页）。

经济含义。 管理人看到组合更偏向价值主题，可能当作关于价值的新证据；但其中一部分可能只反映价值主题占了多少列。
实务含义。 主题倾向一变，就会产生交易，而交易有成本：原始组合每月每一美元资本已要交易 1.13–1.28 美元（表 V，第 28 页）。
统计含义。 测试误差下降，并不证明有了新信息。在论文的模拟中，真实信息是已知的：精确副本不改变可达到的最低误差（贝叶斯风险，0.7500）。然而用 16 份精确副本时，重新调参的岭回归误差却从 0.7999 降到 0.7695（第 V.C 节，第 17 页；表 VII，第 30 页）。

3 论证脉络

问题。 特征库的调整即使不增加信息，会不会让调好参数的规则改变持仓，并影响扣除成本后的收益？→ 研究问题
动机。 单凭回测变好，分不清是有了新信息，还是估计量对已有输入的加权方式变了。→ 为什么重要
框架。 精确复制和主题均衡既不改变数据，也不改变能构造出来的组合；所以，规则只要有反应，就只能来自拟合程序本身。→ 理论框架
机制。 一个主题被复制成 m 份后，岭惩罚对它只收 1/m；重新调参只能整体调一个惩罚数值，一般无法抵消只偏向某一主题的复制。→ 一个简单例子
证据。 主题均衡下，同一日期两组目标持仓之差相当于平均多空头寸总规模的 19%–28%（表 I，第 24 页）；这是同一日期目标持仓之差，不是实际交易。扣除成本后收益的变化方向因方法而异；另一方面，月度岭回归的特征由 39 个实际扩至 153 个，对预测的影响小，估计也不精确。→ 研究设计与主要结果
贡献。 一套诊断方法：把特征库更新逐层追踪到主题、具体股票和扣除交易成本后的收益。→ 与既有文献的比较
边界。 不主张可投资收益，也不给出最优特征库。→ 适用范围

4 理论框架

复制一列特征不增加任何新数据，也不改变规则能构造出来的组合（第 I.A 节，第 4 页）。

尺子（作对照）。 要说清一只股票的预期收益有多少归功于哪个驱动因素，模型得先判断两个特征方向是否真的不同、各自有多大。给每个特征一个权重再相加，每只股票就得到一个分数，这样的加权组合称为特征方向（它不是投资组合）。尺子，是模型用来衡量一个特征方向有多大、两个特征方向重叠多少的规则。普通尺子（欧氏度量）只看方向的权重本身；特征尺子（格拉姆度量）则看这个方向给真实股票打出的分数。例如，两个价值信号若总是选中同一批便宜的股票，特征尺子会把它们算作重叠，普通尺子却把它们当作互不相关。

惩罚项。 岭惩罚按系数的平方逐列收费，特征库怎么写，它就怎么收。在个股岭回归（用特征预测每只股票下月收益的岭回归）和分块岭回归中，每一列一视同仁，也就是用普通尺子；夏普加权的变体，则按各列训练夏普比率平方的倒数调整收费（第 11 页）。这种逐列收费不是特征尺子；复制一列特征，也不是《特征空间度量》意义上的换尺子。

用符号表示（第 I.B 节，式 2，第 5 页）：若一个特征被替换为 m 个完全相同的列、各列系数 \theta_j 之和为 b，最省的分法使惩罚为

\min_{\sum_j \theta_j = b} \; \sum_{j=1}^{m} \theta_j^2 \;=\; \frac{b^2}{m}.

对个股岭回归，存在一个精确对照：把副本的惩罚按份数加回去（论文称 transported penalty，本页译作“换算惩罚”），原来的估计问题便原样恢复（第 I.B 节，第 5 页）。所有估计都映射回原始的 153 个特征，并在同样的 13 个主题下计分（第 III.B 节，第 12 页）。

供专业读者参考

若对编码后的系数施加单位惩罚，特征库的写法 Z_t A（A 行满秩）会诱导出系数惩罚 b'(AA')^{-1}b（第 I.B 节，第 5 页）。论文用系数变化 d 在个股上产生的暴露（股票在某个特征方向上的得分）来衡量它，即 d'Q_t d（特征尺子），而不是 d'd（普通尺子）（式 3，第 6 页）。论文提醒，以特征尺子为惩罚并不自动成为更好的投资规则（第 6 页）；这样的惩罚（Ridge Gram）在检验中预测也没有变好（表 VI，第 29 页）。主题归因采用协方差份额 s_g = \operatorname{Cov}(u_g, u)/\operatorname{Var}(u)（第 I.D 节，式 4，第 6 页）。

5 一个简单例子

palette = ({
  naipca_iab: "#18557f", complete: "#18557f",
  qz_ipca: "#8a6a1a",
  ipca: "#6f9cc0", rp_pca: "#7a7a7a", ff5: "#b3b3b3",
  naipca_beta_only: "#8a8378", beta_only: "#8a8378",
  band: "rgba(0,0,0,0.06)", muted: "rgba(0,0,0,0.6)", rule: "rgba(0,0,0,0.1)"
})
LANG = (document.documentElement.lang || "en").startsWith("zh") ? "zh" : "en"
STR = ({ en: { view: "View", cost: "Cost (bp per traded dollar)", universe: "Universe", sample: "Sample (months)", log: "Log scale", models: "Models", statistic: "Statistic", theme: "Theme", sort: "Sort by", method: "Method", scenario: "Scenario", block: "Block (months)", metric: "Metric", intervals: "Intervals", cost_bp: "One-way cost (bp)", failed: "Interactive data failed to load. The static figure is shown instead." },
        zh: { view: "视图", cost: "成本（每交易一美元，基点）", universe: "股票池", sample: "样本（月）", log: "对数坐标", models: "模型", statistic: "统计量", theme: "主题", sort: "排序", method: "方法", scenario: "情景", block: "块长（月）", metric: "指标", intervals: "区间", cost_bp: "单边成本（基点）", failed: "交互数据加载失败，改为显示静态图。" } })
t = (k) => STR[LANG][k] ?? STR.en[k] ?? k
fmt2 = (x) => (x == null || Number.isNaN(x)) ? "n/a" : x.toFixed(2)
fmt1 = (x) => (x == null || Number.isNaN(x)) ? "n/a" : x.toFixed(1)
fmtBp = (x) => (x == null || Number.isNaN(x)) ? "> 500" : `${Math.round(x)} bp`
parseMonth = (s) => new Date(`${s}-01T00:00:00Z`)
// Sharpe, annualised, sample std (ddof = 1): matches the release convention
sharpe = (r) => {
  const n = r.length, m = r.reduce((a, b) => a + b, 0) / n
  const v = r.reduce((a, b) => a + (b - m) ** 2, 0) / (n - 1)
  const vol = Math.sqrt(v) * Math.sqrt(12)
  return vol > 1e-12 ? (m * 12) / vol : NaN
}
netSeries = (r, to, bp) => r.map((x, i) => x - to[i] * bp / 1e4)
wealthPath = (r) => { let w = 1; return r.map((x) => (w *= 1 + x)) }
nberMarks = (nber) => Plot.rectX(nber, { x1: (d) => parseMonth(d.start), x2: (d) => parseMonth(d.end), fill: palette.band })

试一试。 (1) k = 1（不复制）时，两个主题各占拟合风险的 50%。(2) 把 k（主题 X 的份数）拖到 5：数据一点没变，主题 X 的份额却升到 73%；虚线表示同样复制五份、但把惩罚按份数加回去的对照，始终停在 50%。(3) 把 λ（惩罚强度）调到 4，份额升到约 83%；调到 0.1，则降到约 55%。(4) 把 λ 调回 1，再把 ρ（两个主题的重叠程度）调到 0.9：份额升到约 80%。重叠程度居中时，份额几乎不动（约 72%–73%），所以份额并不随 ρ 持续上升。请留意：副本没有带来任何新信息，变的只是惩罚对主题 X 收取的“价格”。这里 λ 固定不变；论文中 λ 会重新选定，而单单一个重新选定的数值，一般抵消不了只偏向一个主题的复制（第 I.B 节，第 5 页）。示意数字，并非论文数据。

图 1：示意例子，复制一个主题但不增加信息。两个特征，各属一个主题，按设定同样有用。

// Illustrative toy (not the paper's data). Two standardised characteristics, one per theme,
// with correlation rho; true coefficients 0.5 and 0.5; population ridge with penalty lambda.
// Copying the theme-X column k times with an identity penalty on the encoded coefficients
// is the same as penalising the canonical coefficient by lambda * b_x^2 / k (paper eq. 2).
// The transported control multiplies the copies' penalty back so the canonical penalty is unchanged.
viewof jmp_toy_k = Inputs.range([1, 10], { value: 1, step: 1, label: LANG === "zh" ? "主题 X 的份数 k（1 = 不复制）" : "Copies of theme X, k (1 = no copying)" })

viewof jmp_toy_rho = Inputs.range([0, 0.9], { value: 0.5, step: 0.05, label: LANG === "zh" ? "两个主题的重叠程度（相关系数 ρ）" : "Overlap of the two themes (correlation ρ)" })

viewof jmp_toy_lambda = Inputs.range([0.1, 4], { value: 1, step: 0.1, label: LANG === "zh" ? "惩罚强度 λ" : "Penalty strength λ" })

jmp_toy_beta = [0.5, 0.5]
jmp_toy_fit = (k, rho, lam) => {
  // b = (Sigma + lam * diag(1/k, 1))^{-1} Sigma beta, Sigma = [[1, rho], [rho, 1]]
  const a11 = 1 + lam / k, a12 = rho, a22 = 1 + lam
  const s1 = jmp_toy_beta[0] + rho * jmp_toy_beta[1], s2 = rho * jmp_toy_beta[0] + jmp_toy_beta[1]
  const det = a11 * a22 - a12 * a12
  const bx = (a22 * s1 - a12 * s2) / det, bz = (a11 * s2 - a12 * s1) / det
  const varU = bx * bx + bz * bz + 2 * rho * bx * bz
  const share = (bx * bx + rho * bx * bz) / varU
  const dx = jmp_toy_beta[0] - bx, dz = jmp_toy_beta[1] - bz
  const excess = dx * dx + dz * dz + 2 * rho * dx * dz
  return { bx, bz, share, excess }
}
jmp_toy_rows = Array.from({ length: 10 }, (_, i) => i + 1).flatMap((k) => [
  { k, rule: LANG === "zh" ? "每份照常逐列惩罚" : "Ordinary penalty on each copy", share: 100 * jmp_toy_fit(k, jmp_toy_rho, jmp_toy_lambda).share },
  { k, rule: LANG === "zh" ? "换算惩罚（精确对照，虚线）" : "Penalty scaled back up (exact control, dashed)", share: 100 * jmp_toy_fit(1, jmp_toy_rho, jmp_toy_lambda).share }
])
jmp_toy_now = jmp_toy_fit(jmp_toy_k, jmp_toy_rho, jmp_toy_lambda)
jmp_toy_base = jmp_toy_fit(1, jmp_toy_rho, jmp_toy_lambda)

jmp_toy_chart = Plot.plot({
  width: Math.min(width, 760), height: 280, marginLeft: 56, marginRight: 16, marginBottom: 44, style: { fontFamily: "inherit", fontSize: 12 },
  ariaLabel: LANG === "zh" ? "示意性示例：复制主题 X 时，主题 X 在拟合风险中的份额" : "Illustrative example: theme X's share of fitted risk as theme X is copied",
  ariaDescription: LANG === "zh"
    ? "两条线，横轴为主题 X 的份数 k（1 到 10）。每份照常逐列惩罚时，主题 X 的份额随 k 上升；把惩罚按份数加回去（换算惩罚）时，份额始终停在 50%。"
    : "Two lines against the number of copies from 1 to 10. With an ordinary penalty on each copy, theme X's share rises with k; with the penalty scaled back up, it stays at 50%.",
  x: { label: LANG === "zh" ? "主题 X 的份数 k" : "Copies of theme X (k)", domain: [1, 10], ticks: 10, labelAnchor: "center", labelOffset: 34 },
  y: { label: LANG === "zh" ? "主题 X 在拟合风险中的份额（%）" : "Theme X's share of fitted risk (%)", domain: [0, 100], grid: true },
  color: { domain: jmp_toy_rows.slice(0, 2).map((d) => d.rule), range: [palette.naipca_iab, palette.rp_pca], legend: true },
  marks: [
    Plot.ruleY([50], { stroke: palette.rule }),
    Plot.line(jmp_toy_rows.filter((d, i) => i % 2 === 0), { x: "k", y: "share", stroke: "rule", strokeWidth: 2 }),
    Plot.line(jmp_toy_rows.filter((d, i) => i % 2 === 1), { x: "k", y: "share", stroke: "rule", strokeWidth: 2, strokeDasharray: "5 4" }),
    Plot.dot([{ k: jmp_toy_k, share: 100 * jmp_toy_now.share }], { x: "k", y: "share", r: 6, fill: palette.naipca_iab }),
    Plot.text([{ k: jmp_toy_k, share: 100 * jmp_toy_now.share }], { x: "k", y: "share", text: (d) => `${d.share.toFixed(0)}%`, dx: 10, dy: -10, textAnchor: "start", fontWeight: 600 })
  ]
})

jmp_toy_readout = html`<div class="table-scroll"><table class="tbl-num">
<thead><tr><th></th><th>${LANG === "zh" ? "X 的系数" : "Coefficient on X"}</th><th>${LANG === "zh" ? "Z 的系数" : "Coefficient on Z"}</th><th>${LANG === "zh" ? "主题 X 的份额" : "Theme X's share"}</th><th>${LANG === "zh" ? "相对最优拟合的超额误差" : "Error above best fit"}</th></tr></thead>
<tbody>
<tr><td>${LANG === "zh" ? "k = 1（原始）" : "k = 1 (original)"}</td><td>${jmp_toy_base.bx.toFixed(3)}</td><td>${jmp_toy_base.bz.toFixed(3)}</td><td>${(100 * jmp_toy_base.share).toFixed(0)}%</td><td>${jmp_toy_base.excess.toFixed(3)}</td></tr>
<tr><td>${LANG === "zh" ? `k = ${jmp_toy_k}${jmp_toy_k === 1 ? "（当前，不复制）" : "（复制后）"}` : `k = ${jmp_toy_k}${jmp_toy_k === 1 ? " (current, no copying)" : " (copied)"}`}</td><td>${jmp_toy_now.bx.toFixed(3)}</td><td>${jmp_toy_now.bz.toFixed(3)}</td><td>${(100 * jmp_toy_now.share).toFixed(0)}%</td><td>${jmp_toy_now.excess.toFixed(3)}</td></tr>
</tbody></table></div>`

怎么读。特征 X 与 Z 已标准化，两者的重叠程度用相关系数 ρ 表示，真实系数都是 0.5；岭回归的拟合不含抽样噪声。表格最后一列的变化只来自 X 的惩罚改变：在默认设定下它随 k 下降。本例没有噪声，λ 若按数据重新选定会降到 0，偏移也随之消失；有噪声时惩罚不可或缺，论文的模拟揭示了同样的陷阱（表 VII，第 30 页）。来源：按论文第 I.B 与 I.D 节公式在浏览器中计算，不使用数据文件。

6 研究设计与主要结果

特征库采用 Jensen–Kelly–Pedersen 数据库的 153 个美国股票特征，分属 13 个主题 (Jensen 等 2023)。本文追踪 2011 年 1 月至 2025 年 11 月的 179 个月度决策，每次用此前 120 个月估计（第 II.A 与 II.C 节，第 7–9 页）。做出这些决策的是四种调参后的岭类组合方法（第 II.C 与 III.B 节，第 9、11–12 页）：

分块岭回归，用最近一段留出的月份调定惩罚强度；
夏普加权岭回归，惩罚按训练期夏普比率平方的倒数加权，改编自 Ke and Pourmohammadi (2025)；
通用组合收缩（UPSA，Universal Portfolio Shrinkage），把多个岭回归组合加以集成 (Kelly 等 2026)；
留一法岭回归，即 UPSA 代码中按留一法选定的单一岭回归规则。

同一条配置规则把每个估计转换为个股头寸，再用逐股账簿按每交易一美元 10 至 100 个基点（1 个基点为百分之一个百分点）计提交易成本（第 IV.A 与 IV.C 节，第 13–14 页）。

细节

配置规则先按训练期数据把每个方向缩放到 10% 的年化波动率目标，再把多空头寸总规模限制在每一美元资本两美元以内，因此各方法的实际波动率并不相同（第 IV.A 节，第 13 页）。所有成本情景都不含融券费用和市场冲击（第 IV.C 节，第 14 页）。

表 1：主题均衡改变了四种方法偏重的主题和持仓。原始（O）与主题均衡（B）特征库（表 I，第 24 页）。

方法	归因变化	持仓变化	未计成本夏普（O）	未计成本夏普（B）
分块岭回归	0.231	0.277	0.366	0.348
夏普加权岭回归	0.198	0.239	0.490	0.397
留一法岭回归	0.271	0.227	1.003	1.105
UPSA	0.274	0.191	1.126	1.141

归因变化：13 个主题在组合拟合风险中所占份额的变动幅度，取份额绝对变化之和的一半（0 表示没有变化；作为尺度参照，原始特征库下这些份额在相邻两个月之间变动 0.13–0.26，这是描述性参照，不是抽样误差（第 18 页））。持仓变化：两组个股目标权重之差占平均多空头寸总规模的比例；这是同一日期目标持仓之差，不是实际交易。夏普比率为年化值（表 I，第 24 页）。来源：Characteristic Libraries and Portfolio Decisions，表 I。

这说明什么。 即使重新调参，四种方法偏重的主题和想要持有的股票仍都发生了变化；例如主题均衡后，17 列的质量主题在 UPSA 拟合风险中的份额由 0.324 降至 0.248（表 III，第 26 页）。未计交易成本的夏普比率的点估计在两种方法中上升，在另两种方法中下降（表 I，第 24 页）。可见特征库怎么写确有影响，但并不把业绩推向同一个方向；主题构成的偏移本身也不等于损失。

图 2：交易成本吃掉大部分收益，特征库写法的影响方向因方法而异。单边成本 0–100 个基点（图 3，第 33 页）。

jmp_cost_data = FileAttachment("/data/jmp_cost_sensitivity.json").json().catch(() => null)
jmp_cost_failed = jmp_cost_data === null ? html`<p class="figcaption"><strong>${t("failed")}</strong></p><img src="/assets/img/jmp_cost_sensitivity.png" alt="${LANG === "zh" ? "四种组合方法、三种特征库写法下，年化平均超额收益随单边成本（0 至 100 个基点）的变化" : "Annual mean excess return against one-way cost from 0 to 100 basis points for four portfolio procedures and three versions of the library"}" style="width:100%">` : html``

viewof jmp_cost_bp = Inputs.range([0, 100], { value: 25, step: 1, label: t("cost_bp") })

jmp_cost_interp = (bp, xs, ys) => {
  for (let i = 0; i < xs.length - 1; i++) {
    if (bp >= xs[i] && bp <= xs[i + 1]) {
      const w = (bp - xs[i]) / (xs[i + 1] - xs[i])
      return ys[i] + w * (ys[i + 1] - ys[i])
    }
  }
  return NaN
}
jmp_cost_exact = jmp_cost_data ? jmp_cost_data.bp.includes(jmp_cost_bp) : true
jmp_cost_colors = [palette.naipca_iab, palette.qz_ipca, palette.rp_pca]
jmp_cost_dash = [null, "6 3", "2 3"]
jmp_cost_ylabel = LANG === "zh" ? "年化平均超额收益（%）" : "Annual mean excess return (%)"
jmp_cost_repName = (r) => LANG === "zh" ? ({ "Original": "原始特征库", "Balanced": "主题均衡", "Value copies": "价值主题复制五份" }[r] ?? r) : ({ "Balanced": "Theme-balanced", "Value copies": "Value copied five times" }[r] ?? r)
jmp_cost_methodName = (m) => LANG === "zh" ? ({ "Blocked ridge": "分块岭回归", "SR-weighted": "夏普加权岭回归", "LOO ridge": "留一法岭回归", "UPSA": "UPSA" }[m] ?? m) : ({ "SR-weighted": "Sharpe-weighted ridge" }[m] ?? m)
jmp_cost_points = jmp_cost_data ? jmp_cost_data.series.flatMap((s) => jmp_cost_data.bp.map((bp, i) => ({ method: s.method, rep: s.rep, bp, v: s.mean[i] }))) : []
jmp_cost_now = jmp_cost_data ? jmp_cost_data.series.map((s) => ({ method: s.method, rep: s.rep, bp: jmp_cost_bp, v: jmp_cost_interp(jmp_cost_bp, jmp_cost_data.bp, s.mean) })) : []
jmp_cost_ydomain = jmp_cost_points.length ? [Math.min(...jmp_cost_points.map((d) => d.v)), Math.max(...jmp_cost_points.map((d) => d.v))] : [0, 1]

jmp_cost_chart = {
  if (!jmp_cost_data) return html``
  const panels = jmp_cost_data.methods.map((m) => {
    const pts = jmp_cost_points.filter((d) => d.method === m)
    const now = jmp_cost_now.filter((d) => d.method === m)
    const chart = Plot.plot({
      width: 330, height: 230, marginLeft: 48, marginRight: 12, marginTop: 24, marginBottom: 40,
      style: { fontFamily: "inherit", fontSize: 11 },
      ariaLabel: LANG === "zh" ? `${jmp_cost_methodName(m)}：${jmp_cost_ylabel}随单边成本的变化` : `${jmp_cost_methodName(m)}: ${jmp_cost_ylabel} against one-way cost`,
      ariaDescription: LANG === "zh"
        ? `三条线分别为原始特征库、主题均衡和价值主题复制五份，精确点位于 0、10、25、50 和 100 个基点，标记位于 ${jmp_cost_bp} 个基点。`
        : `Three lines, original, theme-balanced and value copied five times, exact at 0, 10, 25, 50 and 100 basis points, with a marker at ${jmp_cost_bp} bp.`,
      x: { label: LANG === "zh" ? "单边成本（每交易一美元的基点数）" : "One-way cost (bp per traded dollar)", domain: [0, 100] },
      y: { label: jmp_cost_ylabel, domain: jmp_cost_ydomain, grid: true, nice: true },
      color: { domain: jmp_cost_data.reps, range: jmp_cost_colors },
      marks: [
        Plot.ruleY([0], { stroke: palette.muted }),
        Plot.ruleX([jmp_cost_bp], { stroke: palette.muted, strokeDasharray: "3 3" }),
        ...jmp_cost_data.reps.map((r, i) => Plot.line(pts.filter((d) => d.rep === r), { x: "bp", y: "v", stroke: "rep", strokeWidth: 1.8, strokeDasharray: jmp_cost_dash[i] })),
        Plot.dot(pts, { x: "bp", y: "v", fill: "rep", r: 2.2 }),
        Plot.dot(now, { x: "bp", y: "v", stroke: "rep", fill: "white", r: 4.5, strokeWidth: 2 })
      ]
    })
    return html`<div><div style="font-weight:600;font-size:13px;margin:0 0 2px 4px;">${jmp_cost_methodName(m)}</div>${chart}</div>`
  })
  const styleName = LANG === "zh" ? ["（实线）", "（虚线）", "（点线）"] : [" (solid)", " (dashed)", " (dotted)"]
  const legend = Plot.legend({ color: { domain: jmp_cost_data.reps, range: jmp_cost_colors, tickFormat: (r) => jmp_cost_repName(r) + styleName[jmp_cost_data.reps.indexOf(r)] }, style: { fontFamily: "inherit", fontSize: 12 } })
  return html`<div>${legend}<div class="jmp-cost-grid" style="display:flex;flex-wrap:wrap;gap:8px 18px;">${panels}</div></div>`
}

jmp_cost_table = {
  if (!jmp_cost_data) return html``
  const f = (x) => (x < 0 ? "−" : "") + Math.abs(x).toFixed(2)
  const fd = (x) => (Math.abs(x) < 0.005 ? "" : x < 0 ? "−" : "+") + Math.abs(x).toFixed(2)
  const inTable = jmp_cost_bp === 0 || jmp_cost_bp === 25
  const unit = LANG === "zh" ? "（年化平均超额收益，%；括号内为与原始特征库之差，百分点）" : " (annual mean excess return, %; in brackets, difference from the original library, pp)"
  const head = jmp_cost_exact
    ? (LANG === "zh" ? `${jmp_cost_bp} 个基点：${inTable ? "论文表 IV（第 27 页）报告的数值" : "论文图 3（第 33 页）所绘数值"}${unit}` : `${jmp_cost_bp} bp: ${inTable ? "reported in Table IV, p. 27" : "plotted in the paper's Figure 3, p. 33"}${unit}`)
    : (LANG === "zh" ? `${jmp_cost_bp} 个基点：由相邻两个精确值线性插值得到，并非论文报告的数值${unit}` : `${jmp_cost_bp} bp: interpolated between neighbouring exact points, not a value reported in the paper${unit}`)
  const v = (m, r) => jmp_cost_now.find((d) => d.method === m && d.rep === r).v
  const val = (m, r) => r === "Original" ? f(v(m, r)) : (LANG === "zh" ? `${f(v(m, r))}（${fd(v(m, r) - v(m, "Original"))}）` : `${f(v(m, r))} (${fd(v(m, r) - v(m, "Original"))})`)
  return html`<div>
    <div class="note"><strong>${head}</strong></div>
    <div class="table-scroll"><table class="tbl-num">
      <thead><tr><th>${LANG === "zh" ? "方法" : "Method"}</th>${jmp_cost_data.reps.map((r) => html`<th>${jmp_cost_repName(r)}</th>`)}</tr></thead>
      <tbody>${jmp_cost_data.methods.map((m) => html`<tr><td>${jmp_cost_methodName(m)}</td>${jmp_cost_data.reps.map((r) => html`<td>${val(m, r)}</td>`)}</tr>`)}</tbody>
    </table></div>
  </div>`
}

怎么读。每个面板对应一种方法；每条线对应特征库的一种写法：原始、主题均衡，或把每个价值特征复制成五份。纵轴为年化平均超额收益；持有但下月收益缺失的股票按零超额收益计（第 IV.C 节，第 15 页）。0、10、25、50 和 100 个基点处为精确值，其间各点为直线插值。来源：Characteristic Libraries and Portfolio Decisions，图 3 与表 IV；结果文件 summary.csv。数据

这说明什么。 按每交易一美元 25 个基点计，交易成本抵消了未计成本收益的大部分甚至全部：原始 UPSA 的年化平均超额收益从 4.79% 降至 1.10%。在这一成本下，主题均衡与价值复制都使分块岭回归和夏普加权岭回归的平均收益更低，都使留一法岭回归更高，对 UPSA 则一降一升（表 IV，第 27 页）。若改按逐股买卖价差计成本，所有原始组合的平均收益都为负，所以未计成本的收益并不能说明策略可以实际获利（第 14–15 页）。

对 UPSA 而言，主题均衡使 25 个基点下的平均超额收益变动 −0.19 个百分点，但其 95% 区间 [−0.57, 0.19] 包含零（第 III.D 节，第 13 页）。在 25 个基点下的 52 项单主题复制对比中，只有 2 项的同时置信带（对同一方法的 13 项复制检验联合成立的区间）不含零，而且两项都是损失。把季节性主题复制五份，使夏普加权岭回归的年化平均收益下降 1.30 个百分点，置信带为 [−2.35, −0.25]；UPSA 则下降 0.77 个百分点（表 IA.25–IA.27，第 77–79 页）。

给月度岭回归（即上文的个股岭回归）实际加入 114 个特征（由 39 个增至 153 个），其预测损失只变动 0.0079 个百分点（以零预测的损失为基准），95% 区间为 [−0.040, 0.068]：数据分不清这是改善还是变差（第 V.A 节，第 15 页）。区间包含零，并不说明两个特征库的预测一样好（第 18 页）；这一比较也没有把新信息与惩罚强度的变化分开（第 2 页）。对 13 个主题联合检验时，统计上不能确定去掉任何一个主题会让预测变差（图 4，第 34 页）。

7 与既有文献的比较

既有研究	已有结论	本文的补充
Kozak 等 (2020)	收缩特征组合的权重，可以得到样本外表现稳定的随机贴现因子。	表明同类惩罚会随特征库的写法而变，并一直影响到持仓。
Kelly 等 (2026)	UPSA 将多个岭回归组合加以集成，以追求样本外表现，并把权重归并到经济主题。	固定 UPSA 的公开代码、只改变其输入；主题均衡使 UPSA 的主题份额变动 0.274（表 I，第 24 页）。
Jensen 等 (2023)；Jensen 等 (2026)	公开了 153 个因子、13 个主题的特征库，多数因子可以复现；组合应以扣除交易成本后的表现来评价。	以该特征库本身为研究对象，并明确计提交易成本；本文采用固定配置规则，考虑成本的优化器可能有不同反应（第 IV.A 节，第 13 页）。

对照所依据的恒等式早有先例，如组合构建中的复制不变性 (Choueifaty 等 2013) 和为纠正模型冗余而设的先验 (George 2010)。精确副本并不带来 Kelly 等 (2024) 所研究的那类更丰富的函数形式，因此本文不评判更广泛的复杂性之争（包括 Nagel (2025)）。

本文的新意在于，在同一美国股票面板上度量四种调参后的方法对“不增加信息的调整”有多大反应，并一直追到具体股票头寸（第 3 页）。由此得到一套诊断方法：采用特征库更新之前，在实际实施方式下比较主题归因、个股目标持仓和扣除成本后的收益，并配合一个信息不变的对照（精确复制、主题均衡，或对个股岭回归使用换算惩罚）（第 I.B 与 VI.D 节，第 5、19 页）。

整条主线在这里落地：《几何框架》与《特征空间度量》选定尺子并说明其局限，《解读定价误差》在固定尺子的前提下解读阿尔法，《特征几何》表明尺子的单位能改变持仓。本文把《特征空间度量》与《特征几何》引为配套论文。

8 适用范围

不主张可投资的业绩（见图 2）。原始 UPSA 未计交易成本时的平均超额收益为 4.79%；若把收益缺失的持仓按 −100% 或 +100% 总收益估值，则分别为 8.98% 和 0.62%。这些只是情景，并非上下界（第 IV.C 与 VI.D 节，第 15、19 页）。
不给出最优特征库：主题均衡只是一种公开声明的备选加权；实验既不说明它是最优的，也不说明存在唯一正确的尺子（度量）（第 3 页）。
不认为新增特征缺乏信息（第 VII 节，第 20 页）。
数据是 2026 年 5 月回溯提取的美国样本，研究设计也是在这份数据上形成的，且未经预注册（第 II.F 与 VI.D 节，第 10、19 页）。
区间以已拟合的决策为条件（第 VI.A 节，第 17 页）。

参考文献

Choueifaty, Yves, Tristan Froidure, and Julien Reynier. 2013. “Properties of the Most Diversified Portfolio.” Journal of Investment Strategies 2 (2): 49–70.

George, Edward I. 2010. “Dilution Priors: Compensating for Model Space Redundancy.” In Borrowing Strength: Theory Powering Applications, A Festschrift for Lawrence D. Brown, vol. 6. IMS Collections. Institute of Mathematical Statistics. https://doi.org/10.1214/10-IMSCOLL611.

Jensen, Theis Ingerslev, Bryan T. Kelly, Semyon Malamud, and Lasse Heje Pedersen. 2026. “Machine Learning and the Implementable Efficient Frontier.” The Review of Financial Studies 39 (10): 3035–78. https://doi.org/10.1093/rfs/hhag022.

Jensen, Theis Ingerslev, Bryan Kelly, and Lasse Heje Pedersen. 2023. “Is There a Replication Crisis in Finance?” The Journal of Finance 78 (5): 2465–518. https://doi.org/10.1111/jofi.13249.

Ke, Shikun, and Mohammad Pourmohammadi. 2025. Shrinkage Alignment in High-Dimensional Portfolios. Working Paper No. 5723922. SSRN. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5723922.

Kelly, Bryan T., Semyon Malamud, Mohammad Pourmohammadi, and Fabio Trojani. 2026. “Universal Portfolio Shrinkage.” Review of Financial Studies. https://www.nber.org/papers/w32004.

Kelly, Bryan, Semyon Malamud, and Kangying Zhou. 2024. “The Virtue of Complexity in Return Prediction.” The Journal of Finance 79 (1): 459–503. https://doi.org/10.1111/jofi.13298.

Kozak, Serhiy, Stefan Nagel, and Shrihari Santosh. 2020. “Shrinking the Cross-Section.” Journal of Financial Economics 135 (2): 271–92. https://doi.org/10.1016/j.jfineco.2019.06.008.

Nagel, Stefan. 2025. Seemingly Virtuous Complexity in Return Prediction. NBER Working Paper No. 34104. National Bureau of Economic Research. https://www.nber.org/papers/w34104.

使用许可

本页文字与交互图：CC BY 4.0。论文手稿版权归作者所有，不适用本许可。（查看许可协议）

引用

BibTeX

@report{liu2026libraries,
  author = {Liu, Mingyang},
  publisher = {Imperial Business School, Imperial College London},
  title = {Characteristic Libraries and Portfolio Decisions},
  date = {2026-09},
  url = {https://yl7919.github.io/research/characteristic-libraries.html},
  langid = {zh}
}

请按如下格式引用：

Liu, Mingyang. 2026. Characteristic Libraries and Portfolio Decisions. Working paper. Imperial Business School, Imperial College London. https://yl7919.github.io/research/characteristic-libraries.html.