预测效果相近，模型就值得换吗？

跨股票注意力，让一只股票的表示吸收其他股票的信息。MASTER这一步包含约32.9万个参数，占整模型42.5%。研究者想知道，它究竟在处理什么，是否能简化。（第2页）

在约300只股票的实验中，注意力分布看起来很平均：以分布熵计算的“有效关注数量”约为278只。这个数字说明权重分布很分散，不表示模型恰好只读取了278只股票。

作者把该模块输出拆成两部分：大家都收到的平均信息，以及每只股票相对这个平均值的偏离。前者占98.7%的输出能量；后者只有1.3%，却承载该模块输出中的股票间差异。（第3—6页）

这里的限定很关键：强制平均会让这一模块的输出失去股票特异性，不代表整个模型的所有区分能力都归零。原文表2的UniformAttn仍有非零预测指标，其他路径依然在工作。

可以借用班级成绩理解：给每个学生都加上相同的基础分，会显著改变分数总量，却不会改变名次；决定名次的是学生之间的分差。这个类比解释“共同成分大，不代表差异成分可删”，但神经网络后续还有非线性和其他信息路径，不能把它当作模型精度的数学证明。

作者进一步观察到，偏离矩阵可用较少的主要方向近似。Nyström方法据此用少量“地标”帮助近似完整注意力，并保留随输入变化的信息分配，而非把关系固定成一张永久邻接表。

这是该模型上的实验观察。论文也发现随机初始化时存在类似低秩现象，但这不足以推出“所有softmax注意力都由数学保证低秩”，更不能保证任何市场上的32个地标都足够。

主要实验用MASTER的CSI300数据和原训练流程，标签为close(t+5)/close(t+1)−1，即隔一天起算的四日未来收益。论文报告IC、Rank IC，并用多个随机种子检查模型差异。

IC看预测分值与实际收益的线性相关；Rank IC更侧重排序。一次模型替换在这两个指标上的结论可能不同。

在CSI300五个种子的比较中，完整注意力IC均值0.058、Rank IC均值0.066；32地标Nyström分别为0.059和0.066。表内“±”是跨种子标准差，不是置信区间。（第7页表3）

作者进一步做TOST等价检验：它检验差异能否落在给定容许范围内，而不只是“没有发现显著差异”。Rank IC在±0.005范围内通过，p=0.003；IC在更宽的±0.008范围内通过，p=0.028，但收紧到±0.005时不通过，p=0.099。

所以，不能把这组结果写成“所有预测能力完全相同”。800只股票的同架构实验增加到10个种子后，IC与Rank IC都在±0.005范围内通过等价检验，但结论仍对应那套数据、特征和训练流程。（第9页表6）

稀疏替代也要逐项看数值。原文倾向把稀疏化描述为失败，但表4的TopK方法Rank IC为0.064，完整注意力为0.066，二者并非原始分值相差一半；TopK的IC为0.052，对照完整注意力0.058。本文不沿用原文“至多保留50%”的笼统表述，按表中指标分别报告，也不为没有给出的等价检验补结论。

完整注意力的核心计算随股票数N大致按平方增长，32地标近似的对应计算大致按32N增长。这描述规模变化趋势，不能代替墙上时钟测量。

论文在Tesla T4上单独测试跨股票模块前向，配置为表示维度256、2个头、8个回看时点，预热10次后计时50次，报告中位延迟。（第10页表8）

300只股票时，完整注意力1.65毫秒，Nyström 5.90毫秒；800只时分别3.80与5.59毫秒。近似算法要付出伪逆迭代等固定开销，在这些规模上还没有摊薄。

到3,500只时，前向延迟变成48.66与8.92毫秒，表内约5.5倍加速，峰值显存从1,350MB降到298MB。论文估计这套硬件配置的延迟交叉点约在1,300只附近，不能当作其他设备的通用阈值。

这不是完整研究流水线的端到端速度。数据准备、其他模型层、排序和交易系统都不在这张计时表里。作者还报告Nyström每轮训练约慢两倍；如果你的成本主要来自反复训练，不能只拿前向加速宣传总成本下降。（第11页）

更不能把两组结果拼接成“3,500只股票上已证明同等精度且加速5.5倍”。大规模预测实验改了特征和架构，计算基准则使用单独模块配置，它们不是同一项等价性与部署实验。

论文后半部分保留了一项很有价值的反向结果。

改用逐日横截面z-score等更充分的特征标准化后，完整注意力的IC提高约0.005，Nyström的IC没有相应改善；Rank IC等价检验的p值由0.003变成0.120，原先的等价证据变弱。（第13页）

p值0.120不证明两者一定不同，但意味着不能继续沿用原设定下“已通过等价”的判断。预处理是模型比较条件的一部分，不是可以在报告外随意替换的小步骤。

约3,500只股票的预测实验则使用17个OHLCV衍生特征、较小表示维度，并移除了市场门控。这与CSI300原架构不是单纯把N放大。四个种子的结果中，跨股票模块没有在IC或Rank IC上显著优于逐股票LSTM基线；检验能力也受重复次数限制。（第10页表7）

此外，论文给出的夏普比率没有交易成本、滑点和市场冲击，不能据此推断可获得的实盘收益。低秩结构是否出现在其他模型和市场，作者也明确留作进一步验证。

从这个案例延伸到日常研究，一个可执行的做法是先固定数据版本、标签、预处理和训练预算，用多个种子比较预测差异；等价检验同时写出指标和容许范围。随后在自己的硬件与股票池规模上测训练、推理、峰值内存和端到端耗时。

如果预处理、架构或股票池变了，重新验收；如果最终目的是组合交易，再加入持仓约束、换手与成本。这些是本文的研究检查建议，不是论文已经验证过的通用部署标准。

这篇研究支持的是一个有条件的判断：某些股票预测设定中的动态注意力可以压缩，但压缩是否有工程价值，还取决于你在哪个规模、哪套预处理和哪条执行流程里使用它。保留这些条件，比记住“32个地标”更有用。

原文：Kunhan Guo，Nyström Attention Matches Full Attention for Cross-Sectional Stock Prediction，arXiv:2609.08106v1，2026年9月8日。依据完整本地14页论文，重点核对第7、9—13页与表3—8。公开原文：https://arxiv.org/abs/2609.08106 。本文未独立运行作者代码；对原文过强措辞与表格口径的差异已在正文说明。

本文由AI辅助整理与制图，保留原研究条件和局限，仅供学习与方法交流，不构成投资建议。预测相关性与历史模拟表现不代表未来投资收益。