多重检验与因子动物园 (Multiple Testing and the Factor Zoo)

大白话：在 1000 个地方各找一次信号、每次用 5% 显著性水平，就算全是噪声也能找出 50 个「显著」结果。候选因子一多，t > 2 这条线就不管用了——多重检验校正要求新因子至少 t > 3，而文献里已发表的因子普遍达不到。

一句话：当候选因子的数量达到几百个时，「t > 2」这个门槛不再有意义——多重检验校正要求新因子至少 t > 3，而文献中已发表因子的 t 值普遍达不到这个线。

大白话

想象你在 1000 个地方各找一次「信号」。每个地方用 5% 显著性水平，即使全是噪声，你也期望找到 50 个「显著」结果。

这就是多重检验 (multiple testing) 问题。金融因子研究恰好落在这个陷阱里：

所以「我发现了一个 t = 2.3 的新因子」这句话，本身就需要更高的门槛来支撑。

单个检验在 \alpha = 0.05 水平下，有 5% 的概率把纯噪声判为显著。

\mathbb{E}[\text{假阳性数}] = M \times \alpha

M = 316、\alpha = 0.05 时，期望假阳性 15.8 个。

更糟的是：我们看不见那些失败因子。研究者试过但没发表的因子（数量记作 M）远多于发表的（记作 R）。所以论文明确说——M 是不可观测的，R 只是下界。

方法	控制对象	含义	2012 年门槛
Bonferroni	FWER	至少错一个的概率	3.78
Holm	FWER	同上，但逐步自适应	3.64
BHY	FDR	被判显著的里面有多少是错的（比例）	3.39（FDR 1%）/ 2.78（FDR 5%）

FWER vs FDR 的区别：FWER 是绝对控制（一个都不许错），FDR 是比例控制（错的比例不超过 \alpha）。因子研究里通常用 FDR 更合理——因为我们确实期望能发现几个真因子。

论文的框架比教科书多重检验多处理了两件事，这在金融里是必须的：

论文给出 1967 年至今的门槛时间序列，并外推到 2032 年。因子产出速度越快，门槛越高——这是一个自我强化的过程：门槛提高 → 弱因子被拒 → 发表的因子更强 → 但研究的数量不减 → 门槛继续上升。

论文	核心发现
Harvey-Liu-Zhu (2016)	316 个因子；门槛应为 t > 3；「多数已声称的研究发现很可能是假的」
McLean-Pontiff (2016)	82–97 个异象：样本外仅衰减约 10%（统计偏差，不显著），发表后衰减 35%–58% → 归因于知情交易与套利限制
Hou-Xue-Zhang (2020)《Replicating Anomalies》	452 个异象统一复制：单检验门槛下仅 35% 通过，多重检验门槛下仅 17.9%；交易摩擦类 96% 失败
Jensen-Kelly-Pedersen (2023)	153 个因子聚为 13 个主题；大量因子无法复制，发表后收益也大幅衰减
Fama-French (2018)《Choosing Factors》	用贝叶斯方法选因子，给出各因子的后验概率

注意数字的常见混淆：「447 个因子」属于 Hou-Xue-Zhang (2020) 的 452 个异象，不是 Harvey-Liu-Zhu 的 316 个。

本 wiki 已收录的证据与这一主题直接呼应：

Factor Themes — Jensen-Kelly-Pedersen 把 153 个特征聚成 13 个主题；主题层截面 R^2 29.8%，下沉到 153 个单因子只有 2.57%。这就是「因子动物园」的直接量化：因子多不等于信息多。
摩擦因子与高频拥挤 — McLean-Pontiff 的 58% 衰减规律在高频因子上同样成立
Test Assets 与因子模型检验 — 同一问题链的另一环：检验资产怎么选才公平（循环论证问题）

做因子研究时：