第 14 讲：滚动样本外——walk-forward

本讲要点

一次切分只是入门；专业最低配至少要会滚动检验。

---

1. 为何单次切分不够

第 7 讲用「另一段历史」揭穿过拟合。若只做一次训练 / 测试：

• 恰好切在某种行情边界上，结论可能运气很好或很差；
• 无法看到样本外表现的分布（有多少折为正、离散有多大）。

Walk-forward（滚动前进）

步骤如下：

1. 取一段训练窗，在窗内扫描参数，选出冠军；
2. 冻结参数，在紧随其后的测试窗跑一遍；
3. 窗口整体向前滚，重复多次；
4. 报告各折测试收益，并可拼接样本外净值。

更严格的组合交叉验证（如 CPCV）存在；本课要求理解：为何需要滚动，以及如何读各折结果。

---

2. 本讲设定

项目	取值
训练窗	24 个月
测试窗	6 个月
滚动步长	6 个月（与测试窗同长）
扫描网格	动量回看月数 = 1 / 2 / 3；Top-N = 1 / 2 / 3
训练选优	训练窗内 Sharpe 最高
成本	0 bps（专注参数迁移；摩擦见第 15 讲）

共 3×3 = 9 组参数；每折只在训练窗内选优，测试窗禁止再调参。

---

3. 完整代码思路

TRAIN_MONTHS, TEST_MONTHS = 24, 6
MOM_GRID = (1, 2, 3)
TOP_GRID = (1, 2, 3)

oos_parts = []
i = 0
while i + TRAIN_MONTHS + TEST_MONTHS <= len(dates):
    train_idx = dates[i : i + TRAIN_MONTHS]
    test_idx = dates[i + TRAIN_MONTHS : i + TRAIN_MONTHS + TEST_MONTHS]

    best_sharpe, best = float("-inf"), None
    for mom in MOM_GRID:
        for top in TOP_GRID:
            ret = run_params(train_me, mom, top).loc[train_idx[0] : train_idx[-1]]
            s = sharpe(ret)
            if s > best_sharpe:
                best_sharpe, best = s, (mom, top)

    mom_b, top_b = best
    test_ret = run_params(me, mom_b, top_b).reindex(test_idx).dropna()
    oos_parts.append(test_ret)
    i += TEST_MONTHS

oos = pd.concat(oos_parts)  # 拼接样本外

完整可运行脚本：easy-quant/code/14_walk_forward.py

python easy-quant/code/14_walk_forward.py

---

4. 运行结果

折1: 训练选 mom=1, top=1  训练收益 17.17%  测试收益 -4.04%
折2: 训练选 mom=1, top=1  训练收益 4.15%  测试收益 0.66%
折3: 训练选 mom=1, top=3  训练收益 1.07%  测试收益 7.17%
折4: 训练选 mom=3, top=1  训练收益 31.69%  测试收益 24.84%
折5: 训练选 mom=3, top=1  训练收益 42.79%  测试收益 35.36%
折6: 训练选 mom=3, top=1  训练收益 94.67%  测试收益 10.03%

滚动折数: 6
拼接样本外累计收益: 92.50%
拼接样本外 Sharpe: 1.03
全样本固定 mom=1, top=2 累计: 63.56%  （非样本外，仅对照）
测试窗收益为正的折数: 5/6

折	训练冠军	训练收益	测试收益
1	mom=1, top=1	17.17%	−4.04%
2	mom=1, top=1	4.15%	0.66%
3	mom=1, top=3	1.07%	7.17%
4	mom=3, top=1	31.69%	24.84%
5	mom=3, top=1	42.79%	35.36%
6	mom=3, top=1	94.67%	10.03%

读法：

1. 第 1 折测试为负：即使整体拼接好看，仍有失效窗口——要看分布，不看单一幸运数字。
2. 冠军参数在折间会变（top 与 mom 都会换），全样本死守 mom=1, top=2 只是其中一种选择。
3. 拼接样本外累计与「全样本固定参数」不可直接比谁更神：路径、参数序列都不同；前者回答的是「按规则滚动选参后，样本外还在不在」。
4. 仅 6 折、单一资产池，统计力度有限；课程达标线是会做、会读，不是宣称策略可上线。

---

5. 本讲小结

• Walk-forward = 反复「训练选参 → 测试冻结 → 向前滚」
• 关注各折测试收益的符号与离散，而非只报拼接总值
• 下一讲：把理想成交换成含佣金与滑点的净值

→ 上一讲：组合验收 · 下一讲：成本与滑点