为什么简单因子在样本外，常常比复杂模型更稳

第三场公开课里有一个非常重要的对比：复杂模型和简单因子，到底哪一个在真实世界更值得信任。很多学习者一开始会自然站到复杂模型一边，因为复杂看起来更先进、表达能力更强、好像更接近现代 AI。但问题在于，表达能力的另一面就是搜索空间变大，而搜索空间一大，过拟合、选择偏差和样本外失真风险也会同步放大。

简单因子的真正优势，不是它们永远最强，而是它们更容易被解释、被限制、被排障，也更容易在样本外维持稳定。对企业级体系来说，很多时候“足够好且可控”会比“样本内惊艳但不可控”更有价值。