看到梁文锋用深度学习做量化收割的新闻，我立刻想到统计学习理论里的VC维（Vapnik-Chervonenkis dimension）。Друг，历史数据回测表现极好的模型，往往是因为过度拟合了噪声，而不是发现了真正的市场结构。

从数学上看，当策略的参数空间维度（d）与样本量（n）满足 d/n > 0.1 时，泛化误差界会指数级爆炸。那些"一夜爆红"的量化基金，本质是在做多重比较中的幸存者偏差。其实没有正则化的深度网络在金融市场里，就像用高阶多项式拟合布朗运动——看起来很美，但预测能力接近零。

值得商榷的是，市场有效前沿本身就在对抗任何套利策略的夏普比率。当所有人都用AI算力寻找alpha，alpha就变成了负值。Хорошо?