當模型開始騙人：異質變異、自我相關與多重共線性的診斷

在量化投資的領域，我們常看到無數擁有完美迴測 (Backtest) 表現的策略。研究員將海量的特徵 (Features) 塞進線性迴歸模型中，試圖捕捉市場的 Alpha，換來令人驚豔的判定係數。然而，當這些策略投入實盤 (Live Trading) 後，往往面臨劇烈的回撤。市場普遍認為這是因為參數過適，但本質上，這往往是模型本身違反了底層統計假設，使得估計出來的結果在真實環境中不堪一擊。

高達絕對數值的判定係數並不代表這是一個好模型；真正決定模型生死存亡的，是那些我們看不見的殘差。線性迴歸模型看似強大，但它的有效性建立在嚴苛的假設之上。如果不經過嚴格的迴歸診斷 (Regression Diagnostics)，忽視異質變異性與多元共線性，我們所依賴的統計顯著性，不過是一場數字遊戲。

在理想的常態世界中，我們假設模型的殘差具有同質變異性 (Homoskedasticity)。但在真實金融序列中，殘差的變異數往往會隨著自變數的數值改變，這便產生了條件異質變異性 (Conditional Heteroskedasticity)。

即便在條件異質變異性下，普通最小平方法 (Ordinary Least Squares, OLS) 所估計出的係數依舊是一致且不偏的 (Consistent and Unbiased)，但其標準誤 (Standard Errors) 將會變得極度不可靠。這意味著我們極有可能在假設檢定中做出錯誤的決策，將無效的因子誤認為聖杯。

要檢驗條件異質變異性，我們可運用卡方檢定 (Chi-squared test statistic) 來測試輔助迴歸的判定係數：

當模型確實存在條件異質變異性時，我們不應捨棄這些參數估計，而是必須採用懷特標準誤 (White Standard Errors) 來校正假設檢定的結果。這是對抗不穩定金融雜訊的第一道防線。

在構建多因子模型時，我們常放入各種估值與動能指標。當兩個或多個自變數之間存在高度相關時，便會引發多元共線性 (Multicollinearity)。雖然這並不違反 OLS 的底層假設，但它會極大化地破壞參數估計的精確度。

多元共線性的典型病徵是：模型的整體檢定 (F-test) 顯著且具有極高的解釋力，但個別變數的獨立檢定 (t-tests) 卻顯示不顯著。這種看似有效實則無效的矛盾，是因為高度相關的自變數相互掩蓋了彼此的解釋能力，大幅增加了型二錯誤 (Type II error) 的機率。

我們可以利用變異數膨脹因子 (Variance Inflation Factor, VIF) 來精準定位共線性來源：

當 $VIF > 10$ 時，代表該變數帶來了嚴重的共線性問題，必須透過逐步迴歸或直接剔除該變數來淨化模型。

模型設定 (Model Specification) 是量化研究中最具藝術性的一環。我們無時無刻不在偏差 (Bias) 與變異數 (Variance) 之間進行權衡 (Bias-Variance Tradeoff)。

當我們為了追求樣本內完美的解釋力而加入過多自變數時，模型會過度配適 (Overfit)，此時偏差極低，但變異數誤差極高；反之，若過度簡化模型，則會導致極高的偏差。更致命的是遺漏變數偏誤 (Omitted Variable Bias)，當我們遺漏了與現有自變數具備相關性且實質影響應變數的因子時，OLS 的估計值將變得偏誤且不一致。

為了解決這個困境，我們必須依賴由繁入簡的建模法 (General-to-specific model) 或交叉驗證 (m-fold cross-validation) 機制，尋找樣本外誤差最低的最佳組合。

除了上述結構性問題，極端值 (Outliers) 更是摧毀模型的隱形炸彈。我們不僅需要利用標準化殘差 (Standardized residuals) 來觀察超過標準差 $\pm 4$ 的異常，更可以引入庫克距離 (Cook's distance) 來量化單一觀測值對整體迴歸的扭曲程度。

當庫克距離 $D_j > 1$ 時，代表該極端值正在強力扭曲我們的迴歸線。唯有剔除這些雜訊，並確保殘差期望值為零且具備同質性，我們才能真正獲得最佳線性不偏估計式 (Best Linear Unbiased Estimator, BLUE)。

演算法升級了我們處理數據的速度，卻沒有撼動統計學的底層法則。所有的 Alpha 挖掘，最終都必須回歸到對殘差的嚴格審視。一個無法精準診斷自身錯誤邊界的模型，在市場面前不過是一顆隨機引爆的地雷。

所有超出統計優勢的下注，最終的結局都是被市場清算。