問題根源
做量化的人都知道回測是策略開發的核心工具，但問題從來不在於你有沒有做回測，而在於你的回測方式是否真的在模擬「未來」。傳統的 K 折交叉驗證在靜態數據集上運作良好，但一旦放進時間序列，它就會製造出一個你看不見的漏洞：未來數據滲入訓練集。
我的觀察是，很多策略在樣本外表現崩潰，根源在開發者從一開始就沒有把時間的方向性當回事。金融時間序列有一個根本屬性：今天的價格行為受昨天影響，反過來不成立。你在訓練集裡混入了「未來」的數據，模型學到的不是真正的超額收益，只是一種精緻的過度擬合。
時序交叉驗證的邏輯
時序交叉驗證，或者更精確地說，向前滾動驗證（Walk-Forward Validation），就是為了對抗這個問題而存在的。
基本邏輯並不複雜：你把整條時間序列切成多個窗口，每一個窗口都嚴格保持「訓練在前、測試在後」的順序。你不允許測試集的任何信息回流到訓練集。每一次向前推進一個窗口，重新訓練，重新測試，累積出一條模擬真實部署的績效路徑。
但實際操作上，細節才是問題所在。
窗口大小選擇
窗口大小怎麼定？固定窗口還是擴展窗口？這兩個選擇背後其實是對市場狀態的假設。如果你相信市場結構相對穩定，擴展窗口讓你用上更多歷史數據，訓練集越來越大，信噪比理論上更高。但如果市場在某個時點發生了結構性轉變，比如某次流動性衝擊之後的微結構變化，那些遠古數據反而是噪音，固定窗口可能更接近真實。
我傾向於兩者都跑，然後比較績效差異。如果兩種方式的Sharpe差距很大，那本身就是一個訊號，說明你的因子對市場狀態很敏感，這種策略上線之前需要更多的壓力測試。
隔離期的重要性
另一個容易被忽略的問題是隔離期（Embargo）。
訓練集結束到測試集開始之間，要不要留一段空白期？我認為要。原因在於很多因子的構建本身就帶有前瞻性偏差的風險，特別是當你使用的特徵涉及滾動計算、財報數據的發布時間差，或者訂單流的延遲確認。如果訓練集的最後一天和測試集的第一天緊鄰，這些邊界效應會讓你的因子有效性指標虛高。
隔離期的長度取決於你的因子構建邏輯。短週期的高頻訊號可能只需要幾天，基本面因子可能需要一個季度。
因子有效性與IC穩定性
說到因子有效性，時序交叉驗證的一個重要輸出就是每個測試窗口的資訊係數（IC）分佈。我不太相信一個平均值漂亮但標準差極大的因子。這種因子在某些市場狀態下表現亮眼，在另一些狀態下完全失效，實盤中你很難知道自己現在處於哪個階段。我更願意看資訊係數的穩定性，即使均值稍低，但跨窗口的一致性高，這種因子在執行層面更可控。
最大回撤分析
最大回撤的分析也應該在這個框架下進行。每個測試窗口的最大回撤是多少？有沒有某個特定的時間段讓策略持續虧損？如果你發現策略在某類市場環境下系統性失效，那不是壞事，這是信息，你需要加入市場狀態過濾器，或者在那段環境下降低倉位。
執行層面考量
執行層面的現實是，向前滾動驗證的結果再好，也要考慮滑價與流動性的影響。回測裡的成交假設往往過於樂觀。特別是均值回歸策略，訊號往往在流動性最差的時候出現，你的訂單在市場上的衝擊成本會把理論上的超額收益吃掉一大半。
時序交叉驗證不能解決這個問題，但它至少能讓你在進入執行討論之前，先確認你的因子邏輯是乾淨的。
進階：組合淨化交叉驗證
延伸的話，組合淨化交叉驗證（Combinatorial Purged Cross-Validation）是更全面的測試，它在保持時序完整性的前提下，生成更多的測試路徑，讓你對策略的夏普比率分佈有更穩健的估計。計算成本更高，但對於準備實盤部署的策略，多花這個時間是值得的。
結語
時序交叉驗證是一種思維紀律，不只是技術工具。它逼你誠實地面對一個問題：你的策略到底在預測什麼，它的信息來源有沒有污染？這個問題答不清楚，回測結果再漂亮也只是騙自己。
原文出處：voltima_quant (@voltima_quant) 於 Threads · 查看原文
