美德还是幻影？汇率预测中的复杂性

核心观点

本文研究了“复杂性优势”（VoC）是否适用于外汇汇率预测。研究发现，虽然复杂模型在极小样本和丰富的预测变量集下可以优于线性回归，但这些改进并不稳定，且无法转化为系统性收益超过随机游走模型。随着训练窗口的扩大，复杂模型（Ridge-RFF）的表现迅速下降，而线性回归则越来越占优势，甚至在某些情况下超过随机游走模型。

关键数据和研究结论

• 预测模型：本文使用了非线性Ridge回归与随机傅里叶特征（RFF）相结合的模型（Ridge-RFF），并将其与线性回归和随机游走模型进行比较。
• 预测变量集：研究涵盖了三种经济基本面集：传统货币政策变量、扩展的货币和非货币变量（包括全球风险指标）以及泰勒规则预测变量。
• 训练窗口：使用了12个月、60个月和120个月的滚动训练窗口。
• 评估指标：除了样本外R²和均方预测误差（MSPE）之外，还使用了克拉克-韦斯特（CW）测试和迪博尔德-马里亚诺（DM）测试来评估预测精度。
• 市场时机策略：通过构建基于模型预测收益的货币投资组合来评估预测的经济价值。

研究发现：

• 短期样本：在非常小的样本中，Ridge-RFF可以优于线性回归，但无法系统性地优于随机游走模型。
• 中期样本：随着训练窗口的扩大，线性回归的性能开始超过Ridge-RFF，而随机游走模型仍然表现出色。
• 长期样本：线性回归在更丰富的预测变量集下（尤其是货币+基本面）始终优于随机游走模型。Ridge-RFF即使在潜在的数据丰富环境中也表现不佳，无法超过线性回归和随机游走模型。
• 市场时机策略：基于复杂性的策略偶尔会在短期样本中产生收益，但稳定性差，容易出现大幅回撤。而简单的线性回归和随机游走策略则提供更稳健和一致的经济价值。

结论

本文的结论是，在外汇汇率预测中，复杂性的优势是有限的和脆弱的。线性回归在更丰富的预测变量集和更大的样本下仍然具有相关性，而随机游走模型则始终是外汇预测中的一个强大基准。