一一中文网

手机浏览器扫描二维码访问

第87章 加入验证集（第1页）

凌晨两点，城中村的出租屋里只有键盘敲击声和机箱风扇的低鸣。

林晨盯着屏幕上那行刺眼的亏损数据，已经整整复盘了三个小时。

6.1万——这是他优化模型后投入实盘的剩余资金。

一周时间，从7万到6.1万，12%的跌幅像一记闷棍敲在头上。

但奇怪的是，此刻他心里没有恐慌，反而异常冷静。

“代码可以骗人，但逻辑不会”

。

他低声重复着自己的口头禅，鼠标在历史K线图上缓缓移动。

问题就出在验证环节。

之前的模型在回测中表现完美，是因为他用了全部历史数据来训练，又用同样的数据来验证——这就像让学生既用课本复习，又用同一本课本考试，考满分不代表真会了。

一旦遇到没见过的题目（新的市场行情），立刻露馅。

这就是机器学习里臭名昭着的“过拟合”

。

林晨关掉交易软件，打开pycharm。

屏幕上是他过去一个月写的量化系统代码，三千多行，像他亲手搭建的积木城堡。

现在，他得拆掉一部分，重新设计地基。

“训练集、验证集、测试集…”

他念叨着这三个机器学习最基本的概念，在草稿纸上画图。

传统的做法是把数据随机分成三块：70%训练，15%验证，15%测试。

但金融数据有个致命特点——时间序列依赖。

今天的股价受昨天影响，不能像图片分类那样随机打乱顺序。

“得用时间序列分割”

。

林晨在搜索引擎里输入这几个字。

凌晨三点，他找到了解决方案：滚动窗口交叉验证。

原理很简单——假设你有2010年到2023年的数据，先用2010-2015年训练，用2016年验证；然后用2010-2016年训练，用2017年验证…以此类推，像一扇窗户在时间轴上滚动。

这样既尊重了时间顺序，又能充分验证模型在不同时期的泛化能力。

理论懂了，实现起来又是一堆坑。

林晨的代码原本是直接用train_test_split函数随机分割，现在要重写数据加载模块。

他泡了杯浓茶，开始敲代码。

deftime_series_cv_split（data，train_years=5，val_years=1）:

时间序列滚动窗口分割

data:按时间排序的dataFrame

返回:[（train_idx，val_idx）]列表