Panel Tree (P-Tree 目标导向面板聚类树)
Definition. P-Tree (Cong-Feng-He-He 2025) 是把 CART 从纯预测改造成目标导向聚类的树模型族: 时不变树结构处理面板数据, 每次分裂从候选规则 (特征 × 五分位切点) 中选出让全部叶基组合的 MVE 组合 Sharpe ratio 最大的那一个 — 分裂即生成 test assets, 树即有效前沿的逐步张成。
相对 CART 的三个改造
flowchart LR
A["CART<br/>(Breiman 1984)"] -->|"面板当 i.i.d.<br/>局部 SSE 准则"| B["问题:<br/>节点内样本递减<br/>噪声驱动过拟合"]
C["P-Tree"] --> D["(i) 时不变树<br/>同一结构作用全 T 期"]
C --> E["(ii) 全局准则<br/>全部叶组合的 MVE Sharpe"]
C --> F["(iii) 经济目标<br/>聚类即造 test assets"]
| 维度 | CART | P-Tree |
|---|---|---|
| 数据结构 | 观测 i.i.d. | 面板: 时不变树 + 每叶时序收益 |
| 分裂准则 | 局部 SSE (仅子节点) | 全局: 全部叶基组合的收缩 MVE Sharpe |
| 叶的含义 | 常数预测值 | leaf basis portfolio (价值加权组合收益时序) |
| 输出 | 预测 | test assets + 潜在因子 (MVE 组合) + SDF |
| 调参 | 深度 / 叶数 / 剪枝 | 仅叶数 (基线 10; 最小叶 20 只) |
生长算法
根节点 = 全市场价值加权组合。第 j 次分裂:
- 对每个叶节点枚举候选分裂 \tilde{\mathbf c}_{k,m} (61 特征 × 切点 \{-0.6,-0.2,0.2,0.6\}, 特征截面标准化到 [-1,1]);
- 临时分裂 → 重建 j+1 个叶基组合 \mathbf R_t^{(j)} → 收缩估计 MVE 权重 (\gamma=10^{-4} 防过度杠杆);
- 取让 P-Tree 因子 f_t^{(j)} (全体叶组合的切点组合) Sharpe 最大的分裂; 该准则同时看全部叶组合 — CART 不具备的"全局性"是防过拟合的关键。
计算可行性: 全枚举高维排序是 NP-hard, 贪心序贯生长把它变成 O(\text{候选} \times \text{叶数}) 的扫描; 单棵树 61 特征 × 220 万观测在单 CPU 上约 20 分钟。叶可解释: 每条分裂路径 = 一组特征的非对称交互 (如 SUE≤−0.2 一侧 DOLVOL 与收益正相关、另一侧负相关 — long N6 + short N4 月均 >2%)。
Boosted P-Trees 与 Random P-Forest
- Boosting (多因子模型): 第 p 棵树在含前 p-1 个因子的 \mathbf F = [f_1,\dots,f_{p-1},f_p] 上最大化集体 Sharpe → 新因子必须是增量贡献; 树块结构 (每棵 10 组合先内部聚合为 1 因子再入全树 MVE) 自带正则, 避免 200 组合直接估计 MVE 的高维问题。
- Bagging (Random P-Forest): 1000 棵 × 时序 bootstrap (保完整截面, 利用收益低自相关) × 每棵随机抽 20 特征; 两个用途 — (i) 特征重要性 = 选择频率 (SUE 51% / DOLVOL / BM_IA); (ii) 全森林叶组合上估计 ridge SDF, 连接"大模型/良性过拟合"文献 (Didisheim et al. 2024): c = P/T = 10 时 OOS Sharpe ≈ 4.0, 同样 OOS 表现下比随机分裂 P-Tree 所需复杂度与算力显著更低 → 目标导向搜索是对暴力大模型的统计 + 经济双重正则。
实证要点 (美股 1981–2020, 月频)
单棵树 10 组合 Sharpe 6.37 → 20 棵 15.63 (样本内); OOS 3.1–4.4; P-Tree1 对 FF5 的 GRS = 141.27 — 见 中文摘要。
定位: 三条"经济目标 × ML"路线的对照
| 路线 | 机制 | 可解释性 | 代表 |
|---|---|---|---|
| 贪心树搜索 (P-Tree) | 分裂准则嵌入 MVE 目标 | 高 (树图 = 排序规则) | 本文 |
| 可微优化层 (DFL) | 决策损失梯度回传预测模型 | 低 (神经网络) | Decision-Focused Learning for MVO / Decision-Focused Sparse Tangent Portfolio (决策聚焦稀疏切点组合) |
| 排序组合策略族 | 参数化权重函数直接优化 | 中 | Brandt Santa-Clara Valkanov 2009 BSV Parametric Portfolio Policies |
与 Predict-then-Optimize 的分野: P-Tree 根本不训练预测模型 — 聚类本身即优化, 预测是被目的吸收的中间量。
See also
- Test Assets 与因子模型检验 (Test Assets for Factor Model Evaluation) — 为什么"更难的 test assets"是本文第二贡献
- Markowitz Curse (马科维茨诅咒) — 先聚类到 10 组合再算 MVE, 绕开 N\times N 病态估计
- Statistical Factors vs Fundamental Factors — P-Tree 因子与 IPCA / RP-PCA 同族 (特征驱动潜在因子), 但保留树图解释
- 可微 Top-k 算子 (Differentiable Top-k Operator) — DFL 路线的对应构件
- summaries/202501-growing-efficient-frontier-panel-trees/202501-growing-efficient-frontier-panel-trees — 源摘要
Sources
- Cong, Feng, He & He (2025), Journal of Financial Economics forthcoming Vol 167; arXiv 2501.16730
- 官方 R 包 PTree: github.com/Quantactix/PTree (GPL-3.0, 含 JFE replication); 第三方 Python 实现: github.com/ElenYoung/AssetPanelTree (早期)