样本外检验与滚动回测

第56课讲了过拟合，第57课讲了参数平原，第58课讲了分年度检验。现在到了最后一道防线：样本外检验，以及它的进阶版本——滚动回测（Walk-Forward）。

样本内 vs 样本外的切割

做回测的完整流程应该是：

1. 1. 样本内（In-Sample）：用来探索、调参、验证假设。可以多次查看、反复修改。
2. 2. 样本外（Out-Of-Sample）：用来做最终验证。只看一次，看完后不再修改策略。

这个"只看一次"是核心纪律。如果看了样本外结果不满意，又回去改参数，再重新看"样本外"，你做的事情实际上是把样本外数据也用来优化策略了——它也变成了样本内的一部分。循环几轮之后，整段历史都是你的样本内了。

常见的划分比例：70% 样本内 + 30% 样本外，样本外选最近的数据段（因为最近更接近实盘环境）。

实验：75组参数的样本内外表现

复用第56课的实验数据：75组参数，样本内 2016–2020，样本外 2021–2025。

按持有天数汇总：

持有1天的参数组合：样本内平均 +0.18%，样本外平均 −0.41%——不仅转负，而且绝对值比IS高出一倍多。持有5日及以上的参数组合，样本外表现均好于样本内，可能是2021–2025年的市场环境对超跌反弹策略更友好。

Walk-Forward Efficiency（WFE）

WFE（Walk-Forward Efficiency）是 Pardo (2008) 提出的衡量策略稳健性的指标：

WFE = 样本外表现 / 样本内表现

通用的解读标准：

• – WFE > 1.0：OOS 优于 IS，可能是市场条件更好，也可能是策略真的有效
• – WFE 0.5–1.0：可接受范围，OOS 保留了 IS 一半以上的优势
• – WFE < 0.5 但 > 0：轻度过拟合，IS 的部分表现来自样本内噪声
• – WFE < 0：OOS 整体为负，策略大概率过拟合

75组参数的 WFE 分布：

WFE < 0 的16组参数，基本都是持有天数=1日、或者 N=3（统计天数）的组合——信号量少、持有期短，IS 的"优势"完全来自噪声。

三个典型案例

• – 尖峰崩溃：WFE = −1.55，IS 越好，OOS 越差，是过拟合的教科书案例
• – 平原稳定：WFE = 2.86，OOS 不仅没崩，反而更好（2021–2025年市场对超跌反弹更友好）
• – 平原附近：WFE = 2.54，中等样本量，OOS 同样正常

注意：WFE 高不一定意味着策略"更好"。当 IS 表现较弱（IS 超额很低），WFE 的数值会被放大。WFE 主要用于判断策略有没有崩溃，而不是排名策略的优劣。

滚动回测（Walk-Forward Testing）

简单的样本外检验只把数据切成两段，还有一个更严格的方法：滚动回测。

滚动回测的步骤：

1. 1. 取前 N 年数据作为样本内，跑参数优化，选出最优参数
2. 2. 把这套参数固定，在接下来的 K 年做样本外测试
3. 3. 把时间窗口向前滚动 K 年，重复步骤 1–2
4. 4. 把所有样本外阶段拼接起来，得到一条"拟真实盘"的权益曲线

这个过程模拟了真实的策略生命周期：用历史选参数，在当时的"未来"检验效果，再更新参数，再检验。

用上面的数据做一次简化演示：把 2016–2020 当 IS（第一轮），2021–2025 当 OOS（第一轮验证）。第一轮里75组参数的"样本外拼接曲线"，已经揭示了哪些参数区域有真实有效性。

扩展窗口 vs 滚动窗口：

• – 扩展窗口：IS 从固定起点开始，每次加更多历史数据。优点是 IS 越来越多，缺点是早期数据权重下降缓慢
• – 滚动窗口：IS 固定长度，向前滚动。优点是测试对近期市场的适应性，缺点是每次 IS 数据量有限

MA20金叉的样本外模拟

MA20金叉策略（第10课），把 2016–2021 作为样本内，2022–2025 作为样本外：

WFE = −0.13 / −0.04 = 3.25——这是一个正值但容易误读的案例。IS 和 OOS 都是负超额，WFE 是正数，但实际上 OOS 比 IS 更差（更负）。

这说明：WFE 需要结合绝对值来读。当 IS 本身就是负超额时，WFE 的正负意义就不同了——这里应该看"OOS 的超额绝对值相比 IS 有没有明显恶化"，而不仅仅看 WFE 的正负。

MA20金叉在样本外每年超额：

OOS 和 IS 的超额均为负，数量级相近，说明策略行为一致（没有过拟合导致崩溃），但策略本身确实不擅长超额收益，这是策略本身的特性（MA20金叉擅长在趋势市跟随大盘，不擅长超越市场平均）。

常见误区

误区一：样本外通过了就可以上线
通过了只是"必要条件"，不是"充分条件"。还需要：分年稳定（第58课）、参数平原（第57课）、成本测试、滑点测试，以及理解策略为什么有效。

误区二：样本外时间越长越好
太长的 OOS 可能包含多个市场周期，如果市场结构发生变化，早期 OOS 数据的参考价值也会下降。一般用最近2–3年做 OOS，更接近未来的实盘环境。

误区三：WFE > 1 说明策略"更好"
WFE 主要用于判断"是否崩溃"。WFE 显著 > 1 往往是因为 IS 数据里有某种特殊情况（如2016–2020包含了2018年大跌）压低了 IS 表现，不一定代表策略真的变好了。

在青柠中实操

青柠量化支持在回测时设定时间段，可以：

1. 1. 先选 2016–2022 跑回测，查看参数实验室的热力图，选出稳健参数区
2. 2. 把选出的参数固定，单独选 2023年至今 跑一次回测
3. 3. 对比两次的超额、胜率、最大回撤，判断 WFE（IS 表现 vs OOS 表现）
4. 4. 如果 OOS 没有明显崩溃（WFE > 0.5），可以考虑进一步测试更多维度

青柠的分年统计功能（见第58课）可以直接在一次回测里看完所有年份的表现，节省来回切换时间段的步骤。

常见问题

Q：样本内应该用多少年数据？
没有固定答案。太少（如1–2年）会包含太少的市场周期；太多（如全部15年）OOS 时间段会太短，统计意义有限。通常用5–8年做 IS，留2–3年做 OOS 是较常见的做法。

Q：如果策略在2015年大牛市里有很多信号，会影响样本内结果吗？
会。2015年是极端的杠杆牛市，策略在当年的表现往往不具代表性。建议把样本内起点设在2016年后，或者单独看2015年是否是"异常年"。

Q：策略通过了样本外检验，上线后还需要继续跟踪吗？
必须。市场结构会变化，策略会失效。上线后应持续跟踪实盘信号的超额表现，如果连续一个季度的实盘超额显著偏离历史均值，需要重新评估策略是否仍然有效（见第62课信号中心）。

口径说明

数据同第56课口径。WFE = 样本外日均超额 / 样本内日均超额（两者符号相同时，WFE 反映缩减比例；符号相反时，代表策略方向发生了反转）。历史统计不代表未来表现，不构成投资建议。