🔍 耿同学打假报告

论文信息

标题：基于LightGBM的股票收益率预测与策略实现
作者：朱芝萱
期刊：ChinaXiv 预印本
DOI：未提供
发表年份：2026
论文来源：view.pdf

综合评定：🔴 实锤

详细发现

发现 1：核心财务数据存在不可调和的数学矛盾（数据造假检测）

位置：第4页，3.3 回测结果与分析
描述：论文声称策略初始资金10万元，绝对总收益率为62.53%（即总净利润约62530元）。在此期间共进行9笔交易（5次盈利，4次亏损），胜率55.56%，盈亏比为2.31，并明确给出了“单笔交易平均盈利达7011.94元”的数据。这些核心财务数据之间产生了极其严重的数学对冲矛盾。
证据：
- 假设文中“单笔交易平均盈利7011.94元”指的是盈利单笔的平均值，那么5笔盈利交易的总盈利为 $5 \times 7011.94 = 35059.7$ 元。根据盈亏比2.31，4笔亏损交易的总亏损应为 $35059.7 \div 2.31 \times 4 \approx 12141.9$ 元。最终净盈利仅为 $22917.8$ 元（约22.9%的收益），这与文中声称的“实现3.72%的超额收益率”、“绝对总收益率为62.53%”直接矛盾！
- 假设“单笔交易平均盈利7011.94元”指的是每笔交易净利润的算术平均，那么9笔交易的总净盈利约为 $9 \times 7011.94 = 63107.46$ 元，虽然接近62530元，但若以此反推： $$5W - 4L = 63107.46$$ 且 $$W/L = 2.31$$ ，计算得出盈利交易的平均收益 W 高达 19314元。此时文中所述的“平均盈利达7011.94元”就成了无源之水。
严重程度：🔴
复核状态：✅ 成立

⚠️ 发现 2：极小样本量推导“稳定盈利”（统计学异常检测）

位置：第4页，3.3 回测结果与分析
描述：回测周期长达16个月（2024.01-2025.04），但在“全仓买入/清仓”的严苛条件下，策略仅触发了9次交易。基于9次交易的极小样本量，作者得出了“具备稳定的盈利能力”、“并非参数过度优化的偶然结果”等强宏观结论。
证据：量化回测中，9次交易在统计学上毫无代表性。用5次盈利、4次亏损算出“55.56%胜率”并大谈特谈策略稳定性，存在夸大研究结论的嫌疑。但也可能仅是作者缺乏基本统计学常识所致。
严重程度：🟡
复核状态：⚠️ 存在良性解释（作者可能仅是缺乏量化金融统计常识，过度解读了小样本结果，属学术能力问题而非主观数据造假）

发现 3：年化收益率与绝对总收益的数学不自洽（统计学异常检测）

位置：第4页，3.3 回测结果与分析
描述：论文声称基准绝对总收益率为58.81%，年化收益率为34.63%。通过这两个数据进行时间周期反推，发现时间线凭空多出了几个月，存在明显的数据捏造或机械套用模板的痕迹。
证据：根据复利公式 $1 + 绝对收益率 = (1 + 年化收益率)^{年数}$，反推回测时间 $T$：
- 基准组反推： $T = \ln(1.5881) / \ln(1.3463) \approx 1.554$ 年（约568天）
- 策略组反推（62.53%与36.65%）： $T = \ln(1.6253) / \ln(1.3665) \approx 1.557$ 年（约569天）
- 论文明确定义的回测区间为 2024年1月1日至2025年4月24日，实际日历天数仅480天（约1.314年）。两组数据反推出的“隐形时长”高度一致地指向了约1.55年，说明作者极大概率是用真实涨幅算出了绝对收益率，然后随手编造或套用了带有固定且错误年化公式的模板，导致数学上完全对不上。
严重程度：🔴
复核状态：✅ 成立

发现 4：滚动训练机制与早停验证集的逻辑冲突（方法学异常）

位置：第2页，1.2 整体研究框架与数据划分；第3页，1.4 模型训练方案
描述：作者声称采用滚动预测（每60个交易日向前滚动更新一次模型），同时又声称使用固定的“验证集（2023年下半年）”来触发早停机制，两者在机器学习工程实现中存在严重的底层逻辑冲突。
证据：如果在2024年和2025年的回测期间，每60天就用最新数据重新训练模型，那么固定在2023下半年的验证集与当前训练集的时间跨度会越来越大（甚至相差超过一年），用这种严重脱节的验证集来触发早停，直接违背了金融时序预测防止信息泄露和概念漂移的初衷。若不是代码写死报错，就是作者为凑字数随意拼接的专业术语。
严重程度：🟠
复核状态：✅ 成立

耿同学辣评

量化圈有句老话：“回测猛如虎，实盘二百五”。但这篇论文更离谱，是“算术猛如虎，逻辑全靠补”。9笔交易就敢吹稳健，平均盈利连自己都算不对；最荒唐的是时间线反推还能凭空长出好几个月，连基本的复利公式都能用错套牢。此外，一套声称“每60天滚动更新”的模型，居然对着大半年前的固定验证集做“早停”，这是把金融工程的底裤都给扒了。建议作者先把小学算术和机器学习入门补一补，再来做量化模型吧！

建议后续行动

联系作者要求提供原始交易流水表、特征工程数据集和回测源代码
在 PubPeer 或相关学术平台上公开提出质疑
向 ChinaXiv 平台反映该预印本存在的严重数据质量与核心逻辑问题

⚠️ 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。

🧮 证据合成（自动生成）

综合后验概率：≥99.9%（先验 5%）
95% 可信区间：[100%, 100%]
贝叶斯因子：BF = 1.72e+12（决定性（decisive））
综合评级：🔴 高度疑似

贡献最高的证据：

[img-001.jpg] 检测到 copy-move 复制粘贴：偏移 (48,0) 处 79 对匹配块（image/copy_move，logLR=3）— 贡献 12.1%
持续向前滚动的训练机制与固定在2023年的验证集发生使用逻辑冲突。（llm/*，logLR=2.3）— 贡献 10.5%
[img-002.jpg] 检测到 copy-move 复制粘贴：偏移 (48,0) 处 46 对匹配块（image/copy_move，logLR=3）— 贡献 10.1%
[img-000.jpg] 检测到 copy-move 复制粘贴：偏移 (32,0) 处 80 对匹配块（image/copy_move，logLR=3）— 贡献 9%
总利润、交易胜率、盈亏比与平均盈利金额之间存在无法自圆其说的数学矛盾，数据高度疑似编造。（llm/*，logLR=2.3）— 贡献 8.8%

免责：本小节由程序化贝叶斯合成自动生成，不构成学术不端判决。先验固定 5%，证据间按条件独立处理（可能高估相关证据的联合强度），LR 版本 geng_lr_v2（初值未校准，待 Phase 5 基准回归）；可信区间与点估计来自同一后验（先验抽样 + LR 噪声的联合蒙特卡洛，区间随证据强度收敛）。请以正文具体发现与原始数据为准。

基于LightGBM的股票收益率预测与策略实现