认识与对立：衡量收益模型不知道的东西

本博客的每个 position sizing 规则都把不确定性坍缩成单一纯量。Kelly除以方差。Conformal prediction除以区间宽度。Volatility targeting除以 GARCH 预测。三者都正确，而三者都抛弃了对至关重要的区别：喧闹市场与无知模型之间的区别。

这不是同样的风险。市场噪声有价格——这是你承受它所得到的补偿。模型无知没有价格，没有得到补偿，而且正是你的优势估计最不可信的状态。同样惩罚两者的 sizing 规则会把钱留在桌上。

这篇文章是关于让这种分割可测量。具体来说：

$\sigma^2_{\text{eff}} = \sigma^2_{\text{alea}} + \lambda \cdot \sigma^2_{\text{epi}}, \qquad \lambda > 1$

把它放在 Kelly 分母中代替总方差。其余部分是如何估计两个分量（MC Dropout、深度集成），以及分割在真实数据上的实际样子。

论点：两种不确定性要求两种响应

「交易行动」行中的不对称是整个论点。高对立方差是已知的未知：你可以为其 sizing，对其进行 hedge，并期望因持有它而获得风险溢价。高认识方差是未知的未知：模型正在外推，其均值估计 $\mu$ 与其方差估计一样可疑，并且对自己参数出错没有附加溢价。

将两者混为一谈的模型要么在不熟悉的 regime 中过度交易（忽略认识不确定性），要么在熟悉但喧闹的 regime 中交易不足（过度惩罚对立不确定性）。应用于 $\sigma^2_{\text{total}}$ 的标准 Kelly 根据哪个分量占主导而两者都做。

分解

认识不确定性来自对模型参数 $\theta$ 的不确定性。我们不是维持单个 $\theta^*$（如在最大似然中），而是维持分布 $p(\theta \mid \mathcal{D})$ 并积分：

$p(y \mid x, \mathcal{D}) = \int p(y \mid x, \theta)\, p(\theta \mid \mathcal{D})\, d\theta$

通过 $\theta$ 积分引起的扩散是认识的。随着 $\mathcal{D}$ 增长以覆盖输入区域，它会缩小。

对立不确定性是数据生成过程的条件噪声。在神经网络中，它由发出输入相依方差的第二个输出头建模：

$p(y \mid x, \theta) = \mathcal{N}\bigl(y;\, \mu_\theta(x),\, \sigma^2_\theta(x)\bigr)$

这个异方差头正在估计 GARCH 传统估计的同一对象——夜间高、峰值时间低的状况相依条件方差。如果你想要它在加密货币上的经验数据，GARCH(1,1) for crypto volatility 适当涵盖了它，包括为什么 live 条件预测（而不是无条件样本方差）属于 Kelly 分母。NN 头只是同一数量的不同估计器，与均值联合 fit。

GARCH 无法给你的是另一项。这就是这篇文章其余部分的目的。

与已发布内容的相关位置

之前的两篇文章涵盖了相邻领域，值得先阅读，因为这篇文章故意不重复它们：

• Conformal prediction for risk-aware position sizing 给你具有有限样本覆盖保证的区间，无分布假设，加上逆宽度 sizing 和 edge-ratio 无交易过滤器。如果你只想要一个正确 sized 的区间，它是更强的工具。
• Temporal Fusion Transformers 直接发出分位数，并已警告 pinball-loss 分位数不会自动在样本外校准。

权衡清晰。Conformal 给你保证但只有一个数字——区间宽度不可分解，因此它无法告诉你为什么它变宽了。贝叶斯方法给你分解但没有保证——MC Dropout 的区间只能与近似后验一样好。这篇文章是关于购买分解；你可能应该在上方保留 conformal 以进行覆盖。

方法 1：变分推理（Bayes by Backprop）

贝叶斯神经网络在权重上放置先验 $p(\theta)$ 并寻找后验 $p(\theta \mid \mathcal{D}) \propto p(\mathcal{D} \mid \theta) p(\theta)$。归一化因子需要对每个权重配置进行积分，这对于任何具有多于少数参数的东西都是难以处理的。

变分推理用可处理的族 $q_\phi(\theta)$——通常是因式分解高斯 $q_\phi(\theta) = \prod_j \mathcal{N}(\theta_j; \mu_j, \sigma_j^2)$——替换难以处理的后验，并最小化：

$\text{KL}\bigl(q_\phi(\theta) \,\|\, p(\theta \mid \mathcal{D})\bigr)$

由于这涉及未知的后验，我们改为最大化 证据下界：

$\mathcal{L}(\phi) = \mathbb{E}_{q_\phi(\theta)}\bigl[\log p(\mathcal{D} \mid \theta)\bigr] - \text{KL}\bigl(q_\phi(\theta) \,\|\, p(\theta)\bigr)$

第一项将 $q_\phi$ 推向解释数据；第二项使其保持接近先验。Bayes by Backprop (Blundell et al., 2015) 通过重参数技巧使其可微分：采样 $\epsilon \sim \mathcal{N}(0, I)$，设置 $\theta = \mu + \sigma \odot \epsilon$。

在实践中，VI 将参数数量加倍，增加梯度方差（每次前向传递使用不同的权重），平均场假设忽略权重相关性，这倾向于低估认识不确定性。对于你已经 有训练好的确定性模型的交易栈来说，下面两种更便宜的方法通常是更好的入门点。

方法 2：MC Dropout

Gal 和 Ghahramani (2016) 表明，用 dropout 训练并在 测试时仍启用 dropout 评估的网络是深高斯过程中的近似变分推理程序。Dropout 已经在子网络上产生分布；在推理期间保持其开启并运行 $T$ 次前向传递从该隐式后验中采样。

这个博客的其他地方都没有。这里发布的代码仅将 dropout 用作训练时间正则化器（spread modeling，TFT 在 dropout=0.1–0.3）。在推理期间保持其开启是一行更改，具有完全不同的含义。

预测统计

给定 $T$ 个随机前向传递产生 $\{\hat{y}_t\}_{t=1}^{T}$ 和每次传递的方差 $\hat{\sigma}_t^2(x)$：

预测均值：

$\bar{y} = \frac{1}{T} \sum_{t=1}^T \hat{y}_t$

认识（传递之间的分歧）：

$\sigma^2_{\text{epi}} = \frac{1}{T} \sum_{t=1}^T (\hat{y}_t - \bar{y})^2$

对立（预测噪声的均值）：

$\sigma^2_{\text{alea}} = \frac{1}{T} \sum_{t=1}^T \hat{\sigma}_t^2$

分解正是总方差定律：条件均值的方差加上条件方差的均值。总预测方差是它们的总和。

PyTorch 实现

import torch
import torch.nn as nn
import numpy as np

class MCDropoutNet(nn.Module):
    """
    用于不确定性估计的 MC Dropout 收益预测网络。
    输出预测均值和对数方差（对立）。
    """
    def __init__(self, input_dim: int, hidden_dim: int = 128, dropout_p: float = 0.1):
        super().__init__()
        self.net = nn.Sequential(
            nn.Linear(input_dim, hidden_dim),
            nn.ReLU(),
            nn.Dropout(p=dropout_p),
            nn.Linear(hidden_dim, hidden_dim),
            nn.ReLU(),
            nn.Dropout(p=dropout_p),
        )
        self.head_mu = nn.Linear(hidden_dim, 1)        # 预测收益
        self.head_logvar = nn.Linear(hidden_dim, 1)    # log(对立方差)

    def forward(self, x: torch.Tensor):
        h = self.net(x)
        return self.head_mu(h), self.head_logvar(h)


def heteroscedastic_loss(mu, log_var, target):
    """对于学习的输入相依方差的高斯的负对数似然。"""
    precision = torch.exp(-log_var)
    return torch.mean(0.5 * precision * (target - mu) ** 2 + 0.5 * log_var)


@torch.no_grad()
def mc_predict(model: MCDropoutNet, x: torch.Tensor, n_samples: int = 100):
    """
    MC Dropout 推理：保持 dropout ON，收集 T 个前向传递，
    将预测方差分解为认识和对立部分。
    """
    model.train()  # 不是 eval() -- 这就是让 dropout 保持活动的东西
    mus, log_vars = [], []
    for _ in range(n_samples):
        mu, log_var = model(x)
        mus.append(mu)
        log_vars.append(log_var)

    mus = torch.stack(mus)            # (T, batch, 1)
    log_vars = torch.stack(log_vars)  # (T, batch, 1)

    pred_mean = mus.mean(dim=0)
    epistemic_var = mus.var(dim=0)              # 传递的方差
    aleatoric_var = log_vars.exp().mean(dim=0)  # 传递的期望

    return {
        "mean": pred_mean.squeeze(-1),
        "epistemic_std": epistemic_var.sqrt().squeeze(-1),
        "aleatoric_std": aleatoric_var.sqrt().squeeze(-1),
        "total_std": (epistemic_var + aleatoric_var).sqrt().squeeze(-1),
    }

训练使用异方差损失，这使方差头具有意义。注意自我调节结构：0.5 * precision * (target - mu)**2 项希望小方差，0.5 * log_var 项惩罚它，平衡点是条件噪声水平。

model = MCDropoutNet(input_dim=50, hidden_dim=128, dropout_p=0.1)
optimizer = torch.optim.AdamW(model.parameters(), lr=1e-3, weight_decay=1e-4)

for epoch in range(200):
    model.train()
    for x_batch, y_batch in train_loader:
        mu, log_var = model(x_batch)
        loss = heteroscedastic_loss(mu, log_var, y_batch)
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()

**静静扼杀方法的一点：**在 mc_predict 中调用 model.eval()。它禁用 dropout，每次传递返回相同的值，epistemic_var 完全坍缩为零，你的 sizing 规则悄悄恢复为对立方差上的普通 Kelly。它在没有错误的情况下失败。在你的推理路径中断言 epistemic_var > 0。

选择前向传递数量

• $T = 30$：稳定均值的合理下限
• $T = 100$：均值和方差的可工作默认值
• $T = 500{+}$：除非你需要尾部分位数，否则收益递减

方法 3：深度集成

Lakshminarayanan et al. (2017) 训练 $M$ 个来自不同随机初始化的独立网络并聚合。尽管不是正式贝叶斯，深度集成在不确定性校准基准上始终优于更原则的方法。

$p(y \mid x) \approx \frac{1}{M} \sum_{m=1}^M p(y \mid x, \theta_m^*)$

成员之间的分歧是认识估计。集成在这个博客的其他地方作为聚合设备出现——异常检测、HMM regime 检测、conformal 的 EnbPI block bootstrap——但从未作为通过成员间扩散的不确定性估计器。这就是这里的用法。

集成实现

多样性来自独立训练，而不是构建 $M$ 个对象。未训练或相同训练的成员的集成返回噪声或零认识方差：

class DeepEnsemble:
    def __init__(self, input_dim: int, n_models: int = 5, hidden_dim: int = 128):
        self.models = []
        for seed in range(n_models):
            torch.manual_seed(seed)          # 每个成员的不同 init
            self.models.append(
                MCDropoutNet(input_dim, hidden_dim, dropout_p=0.0)
            )

    def fit(self, train_loader, epochs: int = 200, lr: float = 1e-3):
        """每个成员独立训练。这就是多样性的来源
        -- 不同的 init，不同的洗牌顺序。跳过这个
        给出 epistemic_var == 0（相同成员）或纯噪声（未训练）。"""
        for seed, model in enumerate(self.models):
            torch.manual_seed(1000 + seed)   # 不同的洗牌/dropout 流
            opt = torch.optim.AdamW(model.parameters(), lr=lr, weight_decay=1e-4)
            model.train()
            for _ in range(epochs):
                for x_batch, y_batch in train_loader:
                    mu, log_var = model(x_batch)
                    loss = heteroscedastic_loss(mu, log_var, y_batch)
                    opt.zero_grad()
                    loss.backward()
                    opt.step()
        return self

    @torch.no_grad()
    def predict(self, x: torch.Tensor):
        mus, variances = [], []
        for model in self.models:
            model.eval()                     # 在这里正确：没有 dropout 采样
            mu, log_var = model(x)
            mus.append(mu.squeeze(-1))
            variances.append(log_var.exp().squeeze(-1))

        all_mus = torch.stack(mus)
        all_vars = torch.stack(variances)

        epistemic_var = all_mus.var(dim=0)   # 跨越成员的扩散
        aleatoric_var = all_vars.mean(dim=0)

        return {
            "mean": all_mus.mean(dim=0),
            "epistemic_std": epistemic_var.sqrt(),
            "aleatoric_std": aleatoric_var.sqrt(),
            "total_std": (epistemic_var + aleatoric_var).sqrt(),
        }

注意 model.eval() 在 DeepEnsemble.predict 中是正确的，而在 mc_predict 中是错误的。随机性来源不同：集成来自独立训练，MC Dropout 来自实时 dropout 掩码。

权衡：MC Dropout vs 深度集成

务实的混合：训练一个小集成（$M = 3{-}5$），其中每个成员也使用 MC Dropout，捕获模型间分歧和模型内随机性。

收益：不对称 Sizing

这是真正的贡献。高斯 Kelly 是 $f^* = \mu / \sigma^2$；推导、增长抛物线、回撤概率表和四个运行部分而非完整 Kelly 的原因都在 The Kelly Criterion for Strategies 中，这里不重复。采用 $f^* = \mu / \sigma^2$ 作为给定的 quarter-Kelly 分数。

修改是分母。而不是总预测方差：

$\sigma^2_{\text{eff}} = \sigma^2_{\text{alea}} + \lambda \cdot \sigma^2_{\text{epi}}, \qquad \lambda > 1$

$\lambda > 1$ 的论点：对立方差是市场的噪声，它有价格，承受它是策略赚钱的方式。认识方差是你的无知——它没有溢价，更糟糕的是，它与你的 $\mu$ 估计错误相关。当 $\sigma_{\text{epi}}$ 大时，Kelly 的分子在分母同时不可靠，因此 sizing 错误复合。相对于市场噪声超线性惩罚它是其直接表达。

def uncertainty_adjusted_position_size(
    pred_mean: float,
    epistemic_std: float,
    aleatoric_std: float,
    max_position: float = 1.0,
    lam: float = 2.0,                   # 认识惩罚；在 validation 上调整
    max_epi_ratio: float = 0.5,         # 在此 epi/alea 比率以上 abstain
    base_kelly_fraction: float = 0.25,
) -> float:
    """Kelly sizing，其中认识方差被惩罚得比对立更重。"""
    effective_var = aleatoric_std ** 2 + lam * epistemic_std ** 2
    if effective_var < 1e-10:
        return 0.0

    position = (pred_mean / effective_var) * base_kelly_fraction

    # 在比率上的信心闸，而非总不确定性
    epi_ratio = epistemic_std / (aleatoric_std + 1e-8)
    if epi_ratio > max_epi_ratio:
        position *= max(0.0, 1.0 - epi_ratio)

    return float(np.clip(position, -max_position, max_position))

闸值得到了注释。在信心阈值以下将 position 归零在这里并不新——conformal 文章将一般 no-trade 过滤器指定和编码为 $e_t = |\hat{\mu}| / w_t$ 并带有 min_edge 阈值，包括如何选择阈值以及 straddling 零的区间的几何读取。有关该机械装置，请参阅 conformal prediction。新的是分母：在 $\sigma_{\text{epi}} / \sigma_{\text{alea}}$ 上的闸门具体在模型对自己的参数比市场更困惑时触发——总不确定性 gating 无法检测到的状态，因为平静但不熟悉的 regime 可能具有低总方差和糟糕的认识比率。

校准：委派这个

不确定性估计只有在校准时才有用：名义 95% 区间应该包含真理约 95% 的时间。不要在这里推出自己的 Gaussian 分位数可靠性检查——厚尾收益残差上的参数区间正是 conformal prediction 存在以避免的失败模式，它带有一个正在运行的 evaluate()，报告目标与经验覆盖，背后有有限样本保证。TFT 帖子对分位数头做了同样的点。

后验重新缩放（$\tilde{\sigma} = \alpha \sigma + \beta$ 在验证集上 fit）是廉价的修复，它是 Adaptive Conformal Inference 的较弱表弟，后者维持在线 miscoverage 水平 $\alpha_t$ 并具有长期覆盖界限，而不是静态重新缩放。ACI 是更强的选择；唯一更喜欢线性重新缩放的原因是它保留了认识/对立比率，而 ACI 的单一宽度则不会。

发布前必须测量的内容

上述方法已建立。分割在交易中买到任何东西的主张没有，这个博客不会基于论点发布 sizing 规则。标准：

1. 数据集和目标。 命名工具、bar 大小、明确日期范围、特征集和预测目标。

2. 分割本身。 总预测方差有多少是认识与对立，以及该比率如何在命名的平静窗口和命名的波动窗口之间移动。这是资金图表，它还不存在。值得 falsify 的假设：比率在实际波动性之前 pike，因为不熟悉先于湍流。

3. 覆盖率 vs conformal。 在同一数据上发布文章的 split-conformal 区间相比，MC Dropout 区间的测量外样本覆盖率与名义。这个 head-to-head 本身是一个新结果，是两篇文章之间的自然桥梁。

4. $\lambda$ 买到任何东西吗？ 在 validation 上扫描认识惩罚并报告 PnL 和最大回撤与 $\lambda = 1$ 基线相比。如果它没有买到任何东西，就这样说——The Honest Negative 是该结果的模板，它是可发布的结果。

5. 推理成本。 在目标硬件上测量，在每个 $T$ 处。

这里的任何评估都在 walk-forward optimization 纪律下运行——$\lambda$ 是超参数，在完整样本上调整的 $\lambda$ 不是结果。

生产实用技巧

1. 预热先验。 使用变分推理时，从预训练的确定性网络初始化变分均值，而不是随机。通常将收敛时间减半。

2. 注意方差坍缩。 学习的方差 $\sigma_j$ 可能漂移到接近零，悄悄将 BNN 恢复为确定性网络。在训练期间监视平均 $\sigma_j$；如需要添加 KL 退火。

3. 在滚动基础上重新校准，而不是固定验证集。 市场是非平稳的，一次 fit 的校准会衰减。要在 walk-forward 纪律下的滚动窗口上 retrain，或让 ACI 在线吸收模型过时——conformal 帖子直接涵盖了 retraining 频率权衡。

4. 集成多样性很重要。 不同的种子，不同的洗牌，可选每个成员的不同超参数。初始化多样性是集成质量的主要驱动因素，这就是为什么上面的 fit() 循环不是可选的。

5. 记录分解，而不仅仅是总数。 将两个分量与实际结果一起存储。没有这个，你无法回答审查中唯一重要的问题：当 sizer 削减暴露时，是因为市场喧闹还是因为模型迷失——以及它是否正确？

6. 不确定性作为特征。 滚动认识统计本身可能预测回撤。合理，未测量，值得单独的文章。

限制和诚实警告

• 近似后验仍然是近似。 MC Dropout 和 VI 对真正后验的视角有限。比没有好，不是基本事实，两者都没有附加覆盖保证。
• 校准正是你需要时恶化。 在真正的新 regime 中，模型可能仍然未校准——它只是倾向于比确定性模型更少未校准。来自外分布输入的不确定性估计本身就是外分布输出。
• 对立方差可以吸收认识信号。 如果异方差头足够灵活，它学会将模型不确定性解释为数据噪声，将 $\sigma_{\text{epi}}$ 坍缩到零并悄悄击败整个分解。这是这篇文章中最重要的失败模式，它不会自己宣布。跨 regime 监视比率；从不移动的比率是分解损坏，而不是稳定的市场。
• $\lambda$ 是一个自由参数。 将可调整的旋钮引入 sizing 规则是构建 overfit sizing 规则的方式。它需要 walk-forward 正当性或需要固定在 1。

结论

Conformal prediction 已经为这个博客提供了带有覆盖保证的区间宽度，Kelly 已经为它提供了 sizing 规则。两者都没有给出为什么区间宽的答案。将预测方差分解为认识和对立部分回答了这一点，答案是总数不是的方式：市场噪声是补偿风险，模型无知不是，sizing 分母应该这么说。

MC Dropout 使分解几乎免费——推理时的一行（model.train()）将任何 dropout 网络变成近似贝叶斯。深度集成成本 $M$x 并校准得更好。两者都提供相同的不对称分母 $\sigma^2_{\text{alea}} + \lambda \sigma^2_{\text{epi}}$。

$\lambda > 1$ 是否真的支付是这个草稿尚未回答的实证问题。上面列出的测量是发布它的代价。

---

参考文献：

• Blundell, C., Cornebise, J., Kavukcuoglu, K., & Wierstra, D. (2015). Weight Uncertainty in Neural Networks. ICML.
• Gal, Y. & Ghahramani, Z. (2016). Dropout as a Bayesian Approximation: Representing Model Uncertainty in Deep Learning. ICML.
• Lakshminarayanan, B., Pritzel, A., & Blundell, C. (2017). Simple and Scalable Predictive Uncertainty Estimation using Deep Ensembles. NeurIPS.
• Kendall, A. & Gal, Y. (2017). What Uncertainties Do We Need in Bayesian Deep Learning for Computer Vision? NeurIPS.
• Gibbs, I. & Candes, E. (2021). Adaptive Conformal Inference Under Distribution Shift. NeurIPS.
• Kelly, J. L. (1956). A New Interpretation of Information Rate. Bell System Technical Journal.