回测验证
8 篇 约 1.1 小时
- 量化策略的交叉验证方法：K-Fold vs Walk-Forward vs Purged vs CPCV 在时间序列里至少有四种做交叉验证的方式：标准 k-fold、walk-forward、purged CV 和 combinatorial purged CV。每一种都有不同的偏差-方差权衡。
- 实盘 vs 回测表现：你该预留多大的差距 实盘表现总是比回测差。差多少取决于策略、市场 regime 和执行。这里讲怎么在部署之前估计这个差距。
- 多重检验与 Deflated Sharpe Ratio 如果你测了 100 个策略,你一定会凭运气找到赢家。Deflated Sharpe Ratio 会根据试验次数和收益分布来调整 Sharpe。不做这一步,你那个 Sharpe 比率就是虚构的。
- 回测过拟合概率（PBO）：怎么知道你那条最佳策略大概率是最烂的 回测过拟合概率（PBO）回答的是最让人不舒服的那个问题：被我选中的那条策略，有多大概率其实比中位数还差，尽管它的回测看起来最好？
- 压力测试与 Regime 稳健性：你的策略能不能撑过 2027？ 一条在 2010–2019 上 work 的策略可能在 2022 年崩盘。跨 regime、跨崩盘事件、合成扰动的压力测试，是部署前的最后一道防线。
- Walk-Forward 分析 Walk-forward 是回测时间序列策略最起码的诚实做法:在过去数据上训练,在下一段上测试,然后向前滚动。它给你的不是一个数字,是一个分布——这才是它值钱的地方。
- 什么是回测——以及什么是验证 回测是一次计算,验证是对这次计算做的假设检验。这篇讲清楚两者的区别、五步验证流水线各自在证明什么,以及每一步给出的数字到底能支撑多强的结论。
- White Reality Check 与 SPA 检验 White Reality Check 和 SPA 检验回答的是一个具体的问题:我那个最好策略的表现,从统计上能不能跟随机数据挖掘产生的最好表现区分开?