10、冲击成本预测模型：线性回归模型、时间序列模型、机器学习模型对比
说到冲击成本预测，我这些年试过不少模型。从最简单的线性回归，到复杂的时间序列，再到现在的机器学习，每个模型都有它的脾气。今天我就把这三类模型掰开揉碎了讲讲，说说它们各自的优缺点，以及在实际项目中该怎么选。
10.1 线性回归模型：简单但够用
线性回归，说白了就是找一条直线，让这条线尽可能拟合你的数据。在冲击成本预测里，我们通常把订单量、波动率、买卖价差这些作为自变量，把冲击成本作为因变量。
核心公式：
冲击成本 = β₀ + β₁×订单量 + β₂×波动率 + β₃×价差 + ε我刚开始做量化那会儿，就用的这个模型。为什么？因为它简单、直观、可解释性强。你一眼就能看出来，订单量每增加一个单位，冲击成本大概会增加多少。
但这里有个坑——线性回归假设自变量和因变量是线性关系。现实中的冲击成本往往是非线性的。比如，小单子冲击成本增长缓慢，大单子一进去，冲击成本可能就跳起来了。线性回归处理不了这种非线性。
我的经验：线性回归适合做初步探索。先用它跑一遍，看看哪些因子显著，哪些不显著。然后再考虑要不要上更复杂的模型。
10.2 时间序列模型：抓住时序依赖
冲击成本不是独立发生的。今天的冲击成本，很可能跟昨天的市场状态有关。这就是时间序列模型派上用场的地方。
常用的时间序列模型包括：
- ARIMA：自回归移动平均模型，适合平稳时间序列
- GARCH：广义自回归条件异方差模型，专门处理波动率聚集现象
- VAR：向量自回归模型，可以同时处理多个时间序列
我记得有一次，我用ARIMA模型预测某只股票的冲击成本。数据跑出来效果还不错，但一到市场剧烈波动的时候，模型就崩了。后来我才意识到，ARIMA假设方差是恒定的，但金融数据哪有恒定的方差？
避坑指南：我曾经在GARCH模型上栽过跟头。GARCH虽然能处理波动率聚集，但它对参数估计很敏感。样本量不够大，或者数据质量不好，估计出来的参数可能完全没用。建议至少用1000个以上的数据点来训练GARCH模型。
10.3 机器学习模型：灵活但需谨慎
机器学习模型，比如随机森林、XGBoost、神经网络，这几年在冲击成本预测上越来越火。为什么？因为它们能捕捉非线性关系，还能自动做特征交互。
我个人的习惯是，先用XGBoost试试。为什么？因为它对缺失值不敏感，而且自带正则化，不容易过拟合。下面是一个简单的XGBoost代码示例：
import xgboost as xgb
from sklearn.model_selection import train_test_split
# 假设X是特征矩阵，y是冲击成本
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
model = xgb.XGBRegressor(
n_estimators=100,
max_depth=5,
learning_rate=0.1
)
model.fit(X_train, y_train)
y_pred = model.predict(X_test)但机器学习模型也有它的毛病。最头疼的就是可解释性差。你很难说清楚，为什么模型预测今天的冲击成本是0.05%，而不是0.03%。在金融领域，监管和风控部门往往要求你能解释模型的决策逻辑。这一点上，线性回归就比机器学习强得多。
三类模型对比：
| 维度 | 线性回归 | 时间序列 | 机器学习 |
|---|---|---|---|
| 可解释性 | ★★★★★ | ★★★★ | ★★ |
| 非线性处理 | ★ | ★★ | ★★★★★ |
| 时序依赖 | ★ | ★★★★★ | ★★★ |
| 训练速度 | ★★★★★ | ★★★★ | ★★ |
| 数据需求 | 低 | 中 | 高 |
10.4 模型选择：没有银弹
你可能会问，到底该选哪个模型？我的答案是：看场景。
- 做研究、写报告：用线性回归。解释起来方便，领导也听得懂。
- 做高频交易：用时间序列模型。因为高频数据有很强的时序依赖，ARIMA或GARCH更合适。
- 做中低频策略：用机器学习。数据量够大，特征够多，机器学习能挖出线性模型看不到的模式。
我个人在实际项目中，经常是多个模型一起用。先用线性回归做因子筛选，再用时间序列模型处理时序结构，最后用机器学习模型做最终预测。三个模型的结果互相验证，心里才踏实。
一个小技巧：不管用哪个模型，一定要做回测。用历史数据模拟真实交易，看看模型预测的冲击成本和实际冲击成本差多少。我见过太多模型在训练集上表现完美，一到实盘就翻车。回测是检验模型的唯一标准。
10.5 知识体系总览
下面这张图，是我对冲击成本预测模型的一个整体梳理。你可以看到，三类模型各有侧重，但最终都指向同一个目标——更准确地预测冲击成本。
嗯，以上就是我对三类冲击成本预测模型的对比分析。说白了，没有哪个模型是万能的。关键是要理解每个模型的假设和局限，然后根据你的实际场景做选择。我个人建议，先从简单的开始，线性回归跑通了，再慢慢加复杂度。别一上来就上深度学习，容易把自己绕进去。