一一中文网

手机浏览器扫描二维码访问

第86章 过拟合的教训（第3页）

那么，只剩下一个可能——模型本身有问题。

林晨重新打开训练日志和回测报告，一行行代码、一个个参数地检查。

突然，他的目光停留在训练集和测试集的划分方式上。

为了追求“漂亮”

的回测结果，他在划分数据时，采用了简单的“前80%数据训练，后20%数据测试”

方法。

但股票数据具有很强的时间序列特性，这种划分可能导致模型在测试集上“看到”

了训练集末尾的趋势延续，从而给出虚假的优秀表现。

更深入检查后，他发现了一个致命问题：在特征工程阶段，他无意中使用了一些“未来数据”

。

比如，他计算了股价的20日移动平均线作为特征，但在处理时，没有严格避免数据泄露——在某个时间点，模型“看到”

了包含该点之后数据的移动平均值。

这在回测中不会报错，因为所有数据都是已知的，但实盘中，你不可能知道未来的平均值。

“过拟合……”

林晨喃喃吐出这个词。

在机器学习中，过拟合指模型过度适应训练数据中的噪声和特定模式，导致在未见数据上表现糟糕。

他的模型，就像一个只会背诵历年考题答案的学生，一旦遇到新题型，就束手无策。

而金融市场的“新题型”

每天都在出现。

林晨感到一阵懊恼，但更多的是警醒。

他太急于求成了，被回测的漂亮数字迷惑，忽略了量化交易中最基本的陷阱。

他关掉交易软件，打开一个新的python脚本。

这次，他要从头构建更严谨的验证流程：

严格避免任何形式的数据泄露，确保每个时间点的特征只使用该点之前的信息。

采用“滚动窗口”

回测：用过去N年的数据训练，测试接下来一年的表现，然后窗口滚动，模拟模型在历史中逐步演进和实战的过程。

加入更多的正则化手段（dropout、L2正则化），防止模型过度复杂。

使用K折交叉验证的变体，评估策略的稳定性。

在模拟环境中加入交易成本、滑点、限价单成交概率等更真实的约束。

敲击键盘的声音在寂静的房间里回荡。

林晨完全沉浸其中，忘记了时间，也暂时忘记了账户亏损带来的焦虑。

他正在解剖自己的错误，这个过程痛苦但必要。