🔍 耿同学打假报告

论文信息

• 论文来源：s10479-025-06525-8.pdf
• 标题：A novel method for corn futures price prediction integrating decomposition, denoising, feature selection and hybrid networks
• 作者：Yi Chen (中山大学商学院)
• 期刊：Annals of Operations Research (2025) 353:449–484
• DOI：https://doi.org/10.1007/s10479-025-06525-8
• 发表年份：2025 (Published online: 18 February 2025)

综合评定：🟠 高度可疑

详细发现

发现 1：薛定谔的“最高价”——核心特征逻辑严重冲突

• 位置：Section 4.1 (Data) 与 Section 5.2 (Feature selection results)
• 描述：作者在 4.1 节明确强调了防止“信息泄露”的严谨性，声称：“用今天的开盘价预测今天的收盘价是合理的，但使用今天的最高价是错误的，因为在收盘之前我们根本不知道今天的最高价是多少。”。然而，在 5.2 节的 XGBoost 特征选择结果中，作者赫然将 High（最高价）作为贡献度排名前列的特征选入了最终模型输入（"11 features with non-zero importance are selected as input: Low, Open, CSZL.DCE, MA, Spot price, High, BYQport..."）。
• 证据：原文中作者自己指出了使用当日 High 预测当日 Close 会构成“未来函数”，却在后续实验结果中直接将其作为非零重要特征选入。如果使用的是前一天的 High，特征命名和说明中完全没有体现滞后性。这种核心逻辑的自相矛盾，极度怀疑是作者在编造数据或拼凑实验结果时出现的失误。
• 严重程度：🔴
• 复核状态：✅ 成立

发现 2：违背金融常识的“完美”预测指标（随机数生成器都不如）

• 位置：Table 11 (Long-term forecast results)
• 描述：在预测 60 天（季度）后的玉米期货价格时，CBA-X-PVW 模型的 R2 高达 0.9402，RMSE 仅为 23.05；而基准模型 CBA 的 R2 也达到了 0.8852。
• 证据：玉米期货等大宗商品金融时间序列本质上带有极强的随机游走特性，长期预测（长达 3 个月）的 R2 达到 0.94 是完全违背金融时间序列建模常识的。这组数据呈现了“教科书般完美”的下降阶梯（R2 从 5 天的 0.9871 极其规律地一路降至 60 天的 0.9402）。这种异常的数据完美度通常意味着模型存在极其严重的数据泄露，或者是在生成表格时人为调整了数据。
• 严重程度：🔴
• 复核状态：✅ 成立

发现 3：基础术语与方法学拼写错误（PS痕迹）

• 位置：Section 3.1 Step 2 及 Section 2 Introduction
• 描述：作者将皮尔逊相关系数 错误地拼写为“pearman correlation coefficient”；并在文中自创了“XGBoodt”这样不存在的拼写。
• 证据：顶级期刊的正式发表版本，出现如此低级且连续的拼写错误，说明该论文的完成过程极其仓促，极有可能是论文作坊的流水线产物，缺乏最基本的学术审阅和校对。
• 严重程度：🟡
• 复核状态：✅ 成立

耿同学辣评

自己写代码的时候说“不知道今天最高价是多少所以不能用”，结果 XGBoost 特征筛选一跑完，今天的“最高价”又变成核心预测特征了？怎么着，你的模型装了水晶球是吧？预测 3 个月后的期货 R2 能干到 0.94，巴菲特看了都要连夜敲门拜你为师！这种连基础逻辑都不能自洽、数字完美得像随便敲键盘出来的文章，到底是怎么过同行评审的？

建议后续行动

• 联系作者要求提供原始数据及训练代码（特别是特征时间戳的对齐情况）
• 在 PubPeer 上提出质疑
• 向期刊编辑部举报
• 向作者所在机构学术委员会举报

⚠️ 免责声明

本报告由 AI 辅助生成，仅供学术讨论参考。
学术不端的最终认定需要专业机构调查。
我们支持学术诚信，但也尊重每一位研究者的名誉权。
如有异议，请以官方调查结论为准。
本工具不保证检测结果的准确性，误报和漏报均有可能。