线性模型与机器学习预测股票收益的核心差异在于：线性模型假设因子与收益呈直线关系，而机器学习能捕捉复杂的非线性模式。线性模型（如线性回归）认为市盈率、市值等因子每变化一个单位，收益按固定比例变动，这种简化在真实市场中往往不够准确。机器学习模型（如随机森林、神经网络）则能自动发现因子间的交互效应和曲线关系，从而更灵活地拟合历史数据，但也更容易陷入过拟合。
线性模型的局限与改进
经典线性模型（如Fama-French三因子模型）将股票收益表示为若干因子的加权和，假设关系是线性的。当市场出现极端波动或因子间存在复杂联动时，线性模型可能遗漏重要信号。例如，低市盈率股票在牛市和熊市中的表现差异巨大，线性模型无法刻画这种条件性变化。
广义线性模型（GLM） 通过引入高次方项（如市盈率平方）或样条函数来扩展线性框架，允许一定程度的非线性。例如，在回归中加入“市值×市净率”交互项，就能捕捉两个因子共同作用的影响。但这需要人工设计特征，且高次项容易导致参数不稳定。
机器学习的优势与风险
机器学习模型（如梯度提升树、支持向量机）天然适合处理高维数据，能自动从数百个因子中筛选有效信号。它们擅长发现非线性关系，比如换手率与收益可能呈倒U形——过低或过高的换手率都对应较差表现，只有中等换手率才有利。随机森林通过多棵决策树的集成，能捕捉这类曲线模式。
但机器学习的灵活性也带来过拟合风险。当模型过度学习历史数据中的噪声（如某只股票因突发新闻大涨），在未知数据上表现会大幅下降。常见防范方法包括：使用交叉验证、限制树深度、加入正则化项（如L1/L2惩罚），以及保持训练集与测试集的时间顺序分离。
总结
线性模型简单、可解释性强，但可能遗漏非线性信号；机器学习更灵活、能捕捉复杂模式，但需要严格防范过拟合。实际应用中，常将两者结合：先用线性模型做基准，再用机器学习挖掘未被解释的残差模式，或通过特征工程在线性框架中注入非线性成分。
常见问题
线性模型在什么情况下仍然适用？
当因子与收益的线性关系较强，且数据量较小（如几百只股票的历史数据）时，线性模型既能避免过拟合，又提供清晰的解释。例如在低波动市场或大盘蓝筹股中，线性模型往往表现稳定。
如何判断模型是否过拟合？
最直接的方法是比较训练集与测试集的预测误差。如果训练集误差远低于测试集，说明模型记住了噪声而非规律。另一个信号是：模型在历史回测中收益极高，但实盘表现迅速恶化。
普通投资者应该选择哪种模型？
对于个人投资者，建议优先使用线性模型或简单机器学习模型（如逻辑回归、浅层决策树），避免复杂黑箱模型。因为数据获取和调参门槛较高，复杂模型反而可能因过拟合带来更大风险。