Research Affiliates首席执行官罗布•阿诺特(Rob Arnott)认为，过去的业绩对于预测未来的回报“基本上没用”。
阿诺特在与该公司副总裁诺亚•贝克(Noah Beck)和股票研究总监维塔利•卡莱斯尼克(Vitali Kalesnik)合著的一篇论文中写道，因此，基于back-testing和历史模拟选择策略的投资者可能会失望。
这三个人构建了7个阿尔法预测模型，其中两个模型完全基于过去的回报，用来预测个体因素和聪明的贝塔策略的表现。这些预测是根据1967年1月至1990年12月间收集的24年数据得出的。然后将这些预测与1991年1月至2011年10月的实际市场表现进行比较。
第一个反向测试模型只使用一种策略在最近5年的表现来预测未来的回报，它的预测是最不准确的，它的预测与实际因素的表现呈负相关。
作者写道:“关注近期的表现——许多投资者选择策略和经理人的方式——不仅不够，还会把我们引向错误的方向。”
另一个历史模型是一个长期版本，使用了过去业绩的完整数据集，它比五年预测“明显”更准确，但仍然产生了与后续业绩负相关的预测。
报告称:“与短期历史相比，一段至少长达几十年的回报率历史，可能会为一个因素或智能贝塔策略的回报率提供更准确的预测，但这种预测基本上仍是无用的。”“根据过去的表现选择策略或因素，而不管样本的长度，不会帮助投资者获得更高的回报，实际上更有可能伤害他们。”
能够做出最准确预测的模型依赖于估值而非回报。作者解释说，这些模型“鼓励我们购买已经变得便宜的东西”，而不是向投资者指出过去表现良好的东西(“最近变得昂贵的东西”)。
阿诺特、贝克和卡莱斯尼克研究的所有四种估值依赖模型的预测结果都与后续回报率正相关，并“大幅”改进了基于历史表现进行预测的模型。
他们总结道:“当投资者追逐最新的热门因素时，潜在的超额回报很容易被抹去(甚至更糟!)。”“如果我们在各种因素和策略上进行多元化，投资者的表现会更好，特别是那些最近表现不佳、因此现在相对便宜的股票。”