面向交易摩擦下的风险调整决策的效用加权预测与校准

金融预测任务中常优化预测准确度，尽管投资和风险管理决策是在交易成本、市场冲击、容量限制和绑定风险约束条件下执行的。本文将预测视为受约束决策问题的计量经济学输入。预测分布通过效用目标与显式摩擦算子（由成本泛函和可行集约束系统组成）诱导决策规则。计量经济目标转化为最小化成本净减损的期望决策损失，而非最小化预测误差。本文发展了与决策损失一致的效用加权校准准则，并在其上确立校准预测分布弱于非校准备选方案的充分条件。通过对液态股票指数期货的预提交嵌套步进协议进行实证研究，验证了理论：相较于非校准基准，提出的效用加权校准将实现决策损失降低超过30%（$t$ 检验 -30.31），在回撤期间将夏普比率从 -3.62 提升到 -2.29。其机制被识别为结构性地减少约束触发频率（从 16.0% 降至 5.1%），防止了高摩擦环境中自信过度预测所特有的“角落解”失效。