🔍 耿同学打假报告

论文信息

• 标题：基于机器学习的加密货币价格预测方法研究
• 作者：李浩松
• 期刊：河北金融学院硕士学位论文（答辩日期：2026 年 5 月 23 日）
• DOI：无
• 发表年份：2026 年

综合评定：🟠 高度可疑

详细发现

发现 1：统计学异常与“Naive Forecast”嫌疑（预测精度的薛定谔状态）

• 位置：第 4 章 表 5、表 7、表 8（Page 26-29）
• 描述：论文报告 LightGBM 和 XGBoost 在测试集上的平均绝对百分比误差（MAPE）仅为 2.82% 和 3.06%（平均绝对误差 MAE 在 100-112 美元左右），这说明预测价格与真实价格几乎贴合。然而，表 8 中两个模型的“方向预测准确率”却仅有 57.53% 和 55.25%。
• 证据：在金融时间序列预测中，如果预测误差极小（MAPE < 3%），预测曲线必定与真实曲线高度重合，方向预测准确率应当极高（至少 >80%）。55% 的方向准确率意味着模型在近一半的交易日里把涨跌方向预测反了。如果方向都预测反了，绝对误差绝不可能低至 100 美元以内。出现这种违背数学常理的现象，极大概率是因为模型退化成了“持久化模型”——即直接把 \(t-1\) 日的收盘价当作 \(t\) 日的预测值。在加密货币这种高波动资产中，昨日收盘价与今日收盘价的绝对差值在数值上显得较小（导致 MAPE 低），但这种无意义的预测会导致方向预测准确率维持在掷硬币的水平（约 55%）。
• 严重程度：🔴
• 复核状态：✅ 成立

发现 2：策略回测收益归因谬误与逻辑漏洞

• 位置：第 4.3 节 基于交易策略的评估（Page 29）
• 描述：论文提到“若预测次日收盘价大于今日收盘价，则在次日以今日收盘价为限价挂买单……已成交头寸统一以当日收盘价平仓”。该策略在测试集（2025年下半年，大牛市）中获得了 57.89% 的惊人总收益，作者将此归功于机器学习模型的应用价值。
• 证据：结合发现1中“模型预测值约等于前一日收盘价”的特性，该策略在实际运行中等同于“只要当日开盘或盘中没有暴跌跌穿昨日的收盘价，就会在昨天收盘价买入，并在今天收盘价卖出”。在 2025 年加密货币总市值突破 4 万亿美元的大牛市背景下，这种“逢低挂单买入并日内平仓”的规则本身就能攫取极高的反弹收益。模型在此处仅充当了一个“无脑看涨”的发牌机，所谓的超额收益与机器学习算法毫无关系，存在严重的归因谬误。
• 严重程度：🟠
• 复核状态：✅ 成立

⚠️ 发现 3：视觉审查受限与图片证据缺失

• 位置：图 1 - 图 18
• 描述：提供的“论文图片视觉分析摘要”显示，当前提供的文件内容仅为纯文本页面，未提取到任何实验图表。
• 证据：耿同学六式中的“图片复用”、“PS痕迹拼接”等核心检测手段无法实施。虽然文本中大量提及了 SHAP 蜂群图、依赖图等，但缺乏原始像素级图像，无法确认这些图表是否由代码真实跑出，或存在格式操纵。
• 严重程度：🟡
• 复核状态：⚠️ 依据不足

耿同学辣评

用机器学习预测币圈价格，MAPE 居然不到 3%，相当于闭着眼睛猜第二天以太坊的价格误差不到 100 美金。但定睛一看方向预测准确率只有 55%，合着一半时间都猜反了涨跌还能误差这么小？这种违背金融常识的“薛定谔的精度”，本质上就是模型直接抄了昨天的作业！更幽默的是，在币圈大牛市里用一个“昨天收盘价挂买单”的漏洞策略大赚 57%，然后转头把功劳全算在 AI 头上——这哪是机器学习，这分明是“机器玄学”配合牛市风口啊！

建议后续行动

• 联系作者要求提供模型预测的具体原始输出值，验证是否为 Naive Forecast。
• 要求作者公开交易策略的完整回测代码，复现其 57.89% 的收益逻辑。
• 在 PubPeer 或相关学术渠道提出质疑。
• 建议答辩委员会或导师重新审视其实证部分的数学自洽性。

⚠️ 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。