新因子让模型均值提高一点，怎样区分新增信息和随机波动
新增因子模型的平均损失小一点，先比较同一个日期、同一个训练随机种子下的配对差，再把同日种子汇总成一个日期结果。新增种子只增加训练随机性的观察，不能制造更多独立市场日。本页给出日期乘种子乘模型的全部损失，并把非配对误差、伪重复误差与按日期块重抽结果摆在一起。
八个日期、两个种子和两套损失
构造八个等间隔外层测试日，两模型使用相同训练边界、目标标签与损失定义。损失无量纲，越低越好；本页直接给定损失矩阵，没有真的训练机器学习模型，因此不能从这些数字解释某个经济因子的作用。两个种子编号十一与二十二只是实验身份，不是时间编号。
基线日损失依次为1、1.2、2、2.2、1.4、1.6、2.5、2.7；种子十一在基线上减0.04，种子二十二加0.04。预设日改善为0.08、0.06、负0.03、负0.05、0.10、0.12、负0.04、负0.02；种子十一的改善再减0.01，种子二十二再加0.01。新模型损失等于相应基线损失减改善，下面所有数值由这些输入公式生成。
差值统一定义为基线损失减新增损失，因此正数表示新增模型损失下降。不能把有些日写成new-base、有些日写成base-new。每个配对必须使用同日同种子，缺任意一边都应标记不完整；不能挑另一日或另一种子凑齐。
| 测试日 | 种子 | 基线损失 | 新增损失 | 配对改善差 |
|---|---|---|---|---|
| 1 | 11 | 0.96 | 0.89 | 0.07 |
| 1 | 22 | 1.04 | 0.95 | 0.09 |
| 2 | 11 | 1.16 | 1.11 | 0.05 |
| 2 | 22 | 1.24 | 1.17 | 0.07 |
| 3 | 11 | 1.96 | 2 | -0.04 |
| 3 | 22 | 2.04 | 2.06 | -0.02 |
| 4 | 11 | 2.16 | 2.22 | -0.06 |
| 4 | 22 | 2.24 | 2.28 | -0.04 |
| 5 | 11 | 1.36 | 1.27 | 0.09 |
| 5 | 22 | 1.44 | 1.33 | 0.11 |
| 6 | 11 | 1.56 | 1.45 | 0.11 |
| 6 | 22 | 1.64 | 1.51 | 0.13 |
| 7 | 11 | 2.46 | 2.51 | -0.05 |
| 7 | 22 | 2.54 | 2.57 | -0.03 |
| 8 | 11 | 2.66 | 2.69 | -0.03 |
| 8 | 22 | 2.74 | 2.75 | -0.01 |
先把训练随机性与日期变化分开
每个日期对两种子差值等权平均，得到八个日改善；也把两模型损失分别取同日平均，以供非配对对照。这里每个日期两个种子都齐全，因此“先逐对作差再同日平均”和“同日分别平均再作差”完全等价。如果每天可用种子数不同，应先规定日权重，不能让某天多跑几十个种子就自然获得几十倍市场权重。
| 日期 | 日均基线 | 日均新增 | 日均配对改善 |
|---|---|---|---|
| 1 | 1 | 0.92 | 0.08 |
| 2 | 1.2 | 1.14 | 0.06 |
| 3 | 2 | 2.03 | -0.03 |
| 4 | 2.2 | 2.25 | -0.05 |
| 5 | 1.4 | 1.3 | 0.1 |
| 6 | 1.6 | 1.48 | 0.12 |
| 7 | 2.5 | 2.54 | -0.04 |
| 8 | 2.7 | 2.72 | -0.02 |
八日平均改善为0.0275。正负改善都有，第四日为负0.05、第六日为正0.12；只报一个平均会藏掉这种阶段差异。种子平均消除了本构造中对称的种子扰动，但真实系统的种子分布未必对称，也可能与市场日交互。它能减少某一来源的噪音，不能自动消除同日横截面依赖和相邻日相关。
非配对与把种子当独立日的两种错误
若暂时额外假定八个日期相互独立，日差的样本标准差除sqrt(8)约0.02454951，这是配对日期iid参照，不是最终块区间。错误非配对法把日基线和日新增看成两个独立八日样本，标准误取sqrt(s_base²/8+s_new²/8)，约0.32477327；它丢掉共同难易市场日造成的正协方差，当前例子大幅放宽了误差。
另一种错误把十六个种子差值当十六个独立市场观测，样本标准差除sqrt(16)，得到约0.01696811。它忽略同日两种子共享相同市场信息，制造了虚假的独立日期。两类错误方向可以不同：不配对可能太宽，把种子伪重复可能太窄。不能把“更保守”的结果一律当成正确设计，也不能选择较小误差帮助新增模型过线。
| 日均改善 | 配对日期iid参照SE | 错误非配对SE | 错误种子独立SE | 两日块百分位区间 |
|---|---|---|---|---|
| 0.0275 | 0.02454951 | 0.32477327 | 0.01696811 | [-0.035, 0.09] |
按日期块重抽保留什么
本例把八个日差组成四个不重叠两日块：一二、三四、五六、七八。每次有放回抽四个块，按块内原顺序拼成八日差，重算均值。不是把基线和新增各自独立抽，也不是把同一日种子拆成不同块。四个块四次选择，共4的四次方等于256种等权组合，本页全部穷举，没有随机种子，也没有蒙特卡洛抽样误差。
这些组合不是256个独立市场历史，只是给定四块经验分布的全部重抽结果。块内两日关系得到保留，块之间依赖被切断；如果真实依赖持续更久，当前块长不充分。完整输出记录每次所选块和八个日期，下面把相同均值合并成频数，频数总和仍为256，不丢掉重复组合的权重。
| 重抽均值 | 组合频数 | 经验权重 |
|---|---|---|
| -0.04 | 1 | 0.00390625 |
| -0.0375 | 4 | 0.015625 |
| -0.035 | 6 | 0.0234375 |
| -0.0325 | 4 | 0.015625 |
| -0.03 | 1 | 0.00390625 |
| -0.0125 | 4 | 0.015625 |
| -0.01 | 12 | 0.046875 |
| -0.0075 | 12 | 0.046875 |
| -0.005 | 4 | 0.015625 |
| -0.0025 | 4 | 0.015625 |
| -0 | 12 | 0.046875 |
| 0.0025 | 12 | 0.046875 |
| 0.005 | 4 | 0.015625 |
| 0.015 | 6 | 0.0234375 |
| 0.0175 | 12 | 0.046875 |
| 0.02 | 6 | 0.0234375 |
| 0.025 | 12 | 0.046875 |
| 0.0275 | 24 | 0.09375 |
| 0.03 | 12 | 0.046875 |
| 0.035 | 6 | 0.0234375 |
| 0.0375 | 12 | 0.046875 |
| 0.04 | 6 | 0.0234375 |
| 0.0425 | 4 | 0.015625 |
| 0.045 | 4 | 0.015625 |
| 0.0525 | 12 | 0.046875 |
| 0.055 | 12 | 0.046875 |
| 0.0625 | 12 | 0.046875 |
| 0.065 | 12 | 0.046875 |
| 0.07 | 1 | 0.00390625 |
| 0.0725 | 4 | 0.015625 |
| 0.075 | 4 | 0.015625 |
| 0.08 | 4 | 0.015625 |
| 0.09 | 6 | 0.0234375 |
| 0.1 | 4 | 0.015625 |
| 0.11 | 1 | 0.00390625 |
按排序位置255*q线性插值取百分之二点五和九十七点五分位，区间为负0.035至0.09。区间跨过零，说明在这个经验块分布中平均改善的正负仍不稳定；不能据此宣称新增信息不存在，也不能把零跨越解释成某个精确p值。四个块过少、块定义人为且数据为构造，名义百分之九十五不等于已证明真实覆盖率。
新增信息的结论还缺什么
模型比较要冻结除新增因子之外的训练预算、调参权限、目标、外层日期和损失。若新增模型多获得一轮调参，差值混合了特征和搜索资源影响；若基线使用旧预处理、新模型使用更新数据版本，比较也不再隔离因子贡献。本例让这些条件假定一致，只审计配对统计流程，没有验证因果机制。
多个新增因子逐一比较后只报告最好的那个，又产生多重选择；配对设计不会免疫这种筛选。还应检查改善是否集中在某些股票池、成本前后是否保留、推理延迟是否可接受。统计损失下降与可交易净收益不同，本表既没有仓位也没有成交，因此不能推广到投资建议或资金规模。
执行复核从一条种子记录开始，核对baseline-new等于difference，再按日期平均，确认总平均0.0275；随后逐一展开四块，核对256个组合都含八日、总频数守恒，最后重算两个端点。若输入少一个种子，先报告不完整配对，不能补一个零改善来维持矩阵外观。
arch时间序列bootstrap说明支持按块保留局部时间结构的思路，本页采用自定义不重叠块穷举，未声称运行arch循环块实现。数据泄漏官方说明支持比较流程不能把测试参与拟合或选择。二者都不为八日模型改善提供真实显著性背书，结论范围由本页公开的构造输入和抽样单元限定。
重抽结果为什么保留正负号
展示改善时不能先对差值取绝对值再抽样，绝对值会把新增模型变差的日期也改写成正贡献。也不能只抽改善为正的四日作为“有效阶段”，那相当于依据测试结果重定义适用范围。若经济假设确实限定某些市场状态，应在外层预测发生前由当时可得变量划分状态，并对各状态保留足够样本。当前八日只足以验证配对和权重，不提供重新划分状态的统计余量。
继续核对研究流程时，可回到时序交叉验证母题；遇到相邻任务，再分别查看PBO组合对称交叉验证、涨跌预测概率Brier校准。本文的滚动验证工具链接仅作基础流程说明，新增审计和统计计算由本页独立表格与模型交付。
道积君编辑组，AI辅助编写与核算。本文为构造教学实验，来源说明方法，数字由明示输入计算，不代表真实策略、收益预测或统计审定。
复算资料
本篇编号DJ4-065。下载Python复算脚本（文本）与构造输入输出JSON，按编号核对本篇。脚本改存为.py后可用Python标准库运行，数据不是实际用户记录。