R 平方
直接答案
R 平方，通常写作 R²，是一种统计指标，用于描述模型的预测值与观测数据的匹配程度。简单来说，它表示模型所解释的“变异”占目标序列总变异的比例。在外汇相关信号或特征的分析中使用时，R² 有助于评估输入变量与输出变量之间的关系在样本内是否较强。然而，它本身并不能表明这种关系在未来是否仍然成立。
R 平方的工作原理
基本定义
R² 常用于线性回归中。它将模型的拟合效果与数据围绕其均值的变异性进行比较。从概念上讲，它回答的问题是：“与使用均值作为恒定预测相比，模型的误差缩小了多少？”
具体的计算方式取决于模型类型和实现方法，但其核心思想是解释变异与总变异之间的比率。
输入项及“输出”的含义
要计算 R²，你需要：
- 一个你希望解释或预测的因变量（目标）。
- 一个或多个由模型使用的自变量（输入/特征）。
- 在给定评估数据集上，目标变量和输入变量的观测数据。
关键的一点是，R² 始终相对于所选目标和模型设定方式而言。改变目标定义（例如，你是衡量收益率、价格水平还是某种变换后的量）会改变“拟合”的含义。
数值的解读
- 较高的 R² 通常表明模型解释了观测目标数据中更多的变异。
- 接近零的 R² 表明相对于预测均值而言，模型的解释能力较弱。
- 当建模选择使得模型更容易拟合历史噪声时，R² 可能产生误导。
由于 R² 源于误差和方差，它是一种样本内拟合度量。这意味着它可能奖励那些匹配历史波动但未学习到稳定关系的模型。
实践中的机制：将 R² 与模型评估联系起来
样本内 vs 样本外
R² 通常在模型评估的数据集上计算。如果你在用于拟合模型的同一数据上计算它，可能会高估性能，因为模型可能隐式地学习了噪声。
更可靠的用法是在未用于拟合的数据（样本外或验证数据）上计算 R²。样本内与样本外 R² 之间的差异可以揭示模型的不稳定性。
残差及 R² 无法显示的内容
R² 总结了整体拟合情况，但不能描述：
- 误差是否在一个方向上有偏差。
- 模型在不同市场状态下的表现是否一致。
- 预测时机是否与有意义的结果对齐。
- 残差是否表现为随机噪声。
两个模型可能具有相似的 R²，但在误差结构上存在显著差异。
局限性与风险
过拟合与虚假关系
一个主要风险是，R² 随着模型变得更灵活而增加。在金融时间序列中——噪声和非平稳性普遍存在——这可能导致对历史模式的“良好拟合”，但这些模式不会持续。
当以下情况发生时，这种风险会增加：
- 使用了大量输入或复杂的特征变换。
- 发生数据泄露（未来信息意外影响当前）。
- 评估使用了用于拟合的时间窗口。
对假设和评估设置的依赖
R² 在其设计所针对的建模方法背景下（通常为线性回归）最容易解释。如果你在该背景之外应用它，实现方式可能不同，解释也会变得更加条件化。
它还对以下因素敏感：
- 目标变量的变换方式（水平值 vs 差分 vs 收益率）。
- 缩放方式以及因变量方差的表示方式。
- 随时间推移是否存在结构性变化。
非因果性
即使 R² 很高，它衡量的也是关联性和拟合度，而非因果关系。特征与目标之间的强统计关系可能是偶然的、特定于某一市场状态的，或由隐藏变量驱动的。
验证与负责任的解释
检查时间上的稳定性
为了评估 R² 值是否反映了稳定的关系，应在多个时间段上评估 R²。如果 R² 在后期显著下降，则表明该关系可能不具备泛化能力。
与简单基线进行比较
R² 是相对于预测均值而言的。如果模型的额外复杂性并未在样本外 R² 上显著优于更简单的设定，则其增量解释价值可能是有限的。
使用多种指标
仅凭 R² 不足以用于决策。应结合反映误差大小、误差分布和样本外可靠性的指标来补充。还应检查残差行为，以了解模型是否留下了系统性模式。
保持现实的期望
由于外汇数据的特性可能随时间变化，不确定性是固有的。应将 R² 视为拟合和泛化的一个诊断工具，而不是未来结果的预测指标。
比较：R 平方与相关拟合概念
R² 与相关性（概念对比）
R² 常与相关性一起介绍，因为在简单的线性设定中，R² 对应于预测值与观测值之间相关系数的平方。然而，在涉及多个输入时，回归中使用的 R² 可以推广到超越单一相关性度量的范围。
R² 与原始误差
R² 被目标变量的方差标准化，因此它与平均误差度量并不直接相同。原始误差在理解误差大小方面可能更直观，而 R² 更关注相对解释变异。
R² 与“预测能力”
在一个数据集上较高的 R² 并不自动意味着在另一个数据集上有预测能力。预测能力应通过适当的验证来评估，该验证应反映未来数据与过去数据的差异方式。
R 平方最具信息量的情况
当你可以做到以下几点时，R² 往往最具信息量：
- 定义一个明确的目标变量。
- 使用反映时间顺序的验证方法。
- 确认样本外 R² 保持显著强度。
- 确保模型设置不会泄露信息。
在其他情况下，R² 可能主要表明模型在多大程度上能够重现历史噪声。
如果你愿意，我也可以解释 R² 与其他统计指标的区别，以及哪些数据选择最影响其解释。