3. 误差分析数学基础

在金融建模中，误差不是需要回避的“坏消息”，而是理解模型行为、判断模型是否可用的核心线索。本节从数学基础出发，建立一套可复用的误差分析语言：偏差-方差分解解释误差来源，损失函数定义误差度量，残差分析暴露模型结构缺陷，误差传播与敏感性分析则回答“输入扰动如何影响输出”。四者共同构成金融模型诊断的底层工具箱。

一、核心原理：误差从哪里来，如何被度量

偏差-方差分解是理解模型误差结构的起点。对于回归问题，期望泛化误差可分解为：

E[(y - f̂(x))²] = Bias²(f̂(x)) + Var(f̂(x)) + σ²
其中：
Bias²  = (E[f̂(x)] - f(x))²   —— 模型系统性偏离真实规律
Var    = E[(f̂(x) - E[f̂(x)])²] —— 模型对训练集扰动的敏感程度
σ²     = 不可约噪声             —— 数据本身携带的随机性

在金融场景中，偏差通常来自模型假设过强（如用线性模型拟合期权隐含波动率微笑），方差则来自模型过度依赖有限样本（如高频因子挖掘中的过拟合）。偏差-方差权衡决定了模型复杂度选择：复杂度上升，偏差下降但方差上升；复杂度下降则相反。最优模型位于总误差最低的中间区域。

损失函数是误差的“度量衡”。不同损失函数对应不同的误差偏好：均方误差对大误差敏感，适合波动率预测；平均绝对误差对异常值稳健，适合存在厚尾的收益率预测；分位数损失则直接服务于VaR、ES等风险度量。选择损失函数本质上是选择“我们最在意哪种错误”。

二、方法流程：从残差到敏感性的诊断链路

误差分析不是单点动作，而是一条诊断链路。建议按以下流程推进：

1. 定义损失函数：根据业务目标选择MSE、MAE、分位数损失或自定义损失，并明确其数学形式与量纲。
2. 计算残差：残差 eᵢ = yᵢ - ŷᵢ，区分训练集残差与测试集残差，避免用训练残差判断泛化能力。
3. 残差结构检验：检查残差是否均值近零、方差恒定、无自相关、与特征无残余相关。若存在结构，说明模型遗漏了非线性、交互项或时序依赖。
4. 偏差-方差诊断：通过学习曲线观察训练误差与验证误差的差距，判断当前是欠拟合（高偏差）还是过拟合（高方差）。
5. 误差传播分析：对输入变量施加扰动，观察输出误差的放大或衰减，识别敏感参数与不稳定环节。
6. 敏感性排序：计算输出对关键输入的偏导或弹性，形成参数敏感性清单，指导模型简化与风险控制。

该流程的核心逻辑是：先度量误差，再定位误差，最后量化误差的传导路径。每一步都应有明确的数学指标和可视化证据。

三、案例/场景：一个信用评分模型的误差诊断

假设某银行使用逻辑回归构建信用评分模型，预测客户违约概率。上线后发现KS统计量尚可，但特定客群逾期率预测偏差较大。按上述流程诊断：

• 损失函数：采用对数损失（Log Loss），因其直接优化概率校准。
• 残差分析：将残差按收入分箱后发现，低收入组残差均值显著为正，说明模型系统性低估该群体违约风险。
• 偏差-方差：训练集Log Loss为0.21，验证集为0.34，差距明显，提示高方差；同时低收入组偏差显著，说明存在结构性高偏差。
• 误差传播：对收入变量施加±10%扰动，发现违约概率输出变化达±18%，敏感性过高，说明模型对该变量依赖过强。
• 复盘结论：模型在整体指标上表现尚可，但在子群体和关键变量上存在显著误差结构，需引入收入分段特征或非线性变换，并重新校准。

该案例说明：单一全局指标会掩盖局部误差结构，必须结合残差分组、偏差-方差分解和敏感性分析才能定位真实问题。

四、误区/复盘：误差分析中的常见陷阱

复盘时应形成“误差诊断清单”，将偏差-方差、残差模式、损失函数选择、敏感性排序逐项记录，作为模型迭代和上线审批的依据。