entitypaperpanel-treedecision-treetest-assetsefficient-frontierinterpretability

Cong, Feng, He & He (2025) — Growing the Efficient Frontier on Panel Trees

论文信息

  • 标题: Growing the Efficient Frontier on Panel Trees
  • 作者: Lin William Cong (Cornell / NBER / 复旦 FISF) · Guanhao Feng (CityU HK) · Jingyu He (CityU HK) · Xin He (USTC)
  • venue: Journal of Financial Economics, forthcoming, Volume 167 (2025) — 已正式接收 (2026-09 经 GitHub repo 确认); arXiv 2501.16730 (v2, 2025-02-05; 首稿 2021-10); WFA 2022 等会议报告版本
  • 本地归档: raw/papers/202501-growing-efficient-frontier-panel-trees/ (paper.pdf 874 KB, 73 页 + extracted.md)
  • 代码: 官方 R 包 PTree — github.com/Quantactix/PTree (GPL-3.0; C++ 48% + R 31% + Python 17%; 含 replication-JFE/ 一键复现脚本 ProduceExhibits.sh; 联系人 Xin He)

一句话

把 CART 改造成目标导向聚类: 时不变树 + 全局 MVE Sharpe 分裂准则, 迭代生成 test assets / 潜在因子 / SDF — 单棵树 (10 组合) 样本内 Sharpe 6.37、20 棵 boosted 15.63, P-Tree1 对 FF5 的 GRS 141.27, 同时是可解释的排序树图。

结构

  • §2 方法: CART 对比 + 生长算法 (Panel Tree (P-Tree 目标导向面板聚类树)) + Boosting + 仿真 (特征恢复 / overfitting vs limits-to-learning 分解 / 缺真特征的性能塌陷)
  • §3 单棵树: 树图 + partition plot (非对称交互具象化) + 叶组合定价表
  • §4 Boosted: 前沿逐棵外推 + test assets 对比 (GRS) + 因子定价 (截面 R^2) + 投资表现
  • §5 扩展: Random P-Forest (特征重要性 / 大模型 SDF) + 基准树特征评估法 + macro regimes
  • 网络附录: 仿真 / 市场因子基准版 / 随机分裂 SDF 对照

方法谱系

  • Brandt Santa-Clara Valkanov 2009 BSV Parametric Portfolio Policies — 排序组合参数化直接优化的前身
  • Kozak-Nagel-Santosh 2020 / Bryzgalova-Pelger-Zhu 2023 — 在预给 test assets 上做正则 SDF; P-Tree 反过来把 test assets 与 SDF 放进同一个目标内生生成 (Bryzgalova et al. 自述"剪枝", P-Tree 从根生长)
  • Kelly et al. 2019 IPCA / Lettau-Pelger 2020 RP-PCA — 特征驱动潜在因子同族, 无树图解释
  • Didisheim et al. 2024 — 大模型 / 随机组合 SDF; 本文用 random split SDF 对照证明目标导向搜索降低所需复杂度与算力

关键数字

  • 样本内: 1 棵 6.37 / 5 棵 9.19 / 10 棵 11.21 / 20 棵 15.63 (年化, 1981–2020)
  • OOS: past→future 3.13–3.41; future→past 3.87–4.35; 基准调整 alpha >0.8%/月
  • GRS vs FF5: P-Tree1 141.27 (vs Bi-Sort 2.50 / ME-BM 5.01)
  • 特征重要性: SUE 首分裂 51%、top-2 66%; 其后 DOLVOL、BM_IA
  • 1981–2000 训练 IS Sharpe 38.0 → OOS 3.1 — overfitting + limits to learning 分解均随 boosting 增长

待办

  • [x] venue 更新 — JFE forthcoming Vol 167 已确认 (2026-09-21)
  • [ ] Cong et al. 2023 (Uncommon Factors) 姊妹篇待收录 时补全 Panel Tree 谱系
  • [ ] 第三方 Python 实现 ElenYoung AssetPanelTree (ElenYoung/AssetPanelTree, 1★) 成熟后评估能否替代 R 包做 A 股复现