金融时间序列的交叉验证：如何用清洗与禁运防止量化模型过拟合

金融时间序列不能直接套用传统机器学习里的随机交叉验证。价格、成交量、波动率和新闻情绪都带着时间顺序，样本之间并不独立；更麻烦的是，量化标签往往覆盖一段时间，训练样本和测试样本的评价区间可能互相重叠。模型不是在预测未来，而是在背诵未来已经发生过的路径。

这就是金融时间序列交叉验证必须引入“清洗”和“禁运”的原因。前者处理标签重叠，后者切断测试集附近的序列相关性。少一个环节，回测就可能继续漏风。

金融数据不是普通样本：传统K折验证为什么会失效

传统K折交叉验证建立在一个前提上：样本近似独立同分布。数据被随机打乱，再切成若干份，轮流拿其中一份测试，其余部分训练。这个方法在很多静态分类问题里好用，因为一条样本和另一条样本之间没有明显的时间依赖。

金融市场不吃这一套。

今天的收益率和昨天、前天的收益率存在序列相关；同一段行情里的波动率、成交量和盘口状态，也会持续影响后续样本。股票大跌、期货逼仓、宏观数据公布后的连续波动，都不是一根K线结束后立刻清零的事件。你把这些样本随机打散，模型就能在训练集里看到测试集附近的市场状态。

这已经是第一层泄漏。

第二层泄漏来自标签。假设你使用过去的特征预测未来五个交易日收益，样本标签定义为：

• 特征观察时间：1月10日收盘；
• 标签评价时间：1月11日至1月17日；
• 标签结果：这五天的累计收益。

那么，1月11日和1月12日的样本，其标签评价区间可能仍然与1月10日样本发生重叠。它们看起来是不同样本，实际上都在描述同一段未来行情。

如果你把样本随机分配到训练集和测试集，测试集中的标签区间可能和训练集中的标签区间重叠。模型得到的不是干净的泛化检验，而是被允许提前窥视答案的考试。

标签重叠比特征重叠更隐蔽

很多交易者知道不能把未来价格直接放进特征，却忽略了标签时间跨度。

例如，你训练一个方向预测模型：

• 用过去20根日线构造特征；
• 预测未来10根日线的收益；
• 每天生成一个训练样本。

这组样本的特征窗口可以没有未来数据，但标签窗口会连续重叠。1月10日样本的标签覆盖1月11日至1月24日，1月11日样本的标签覆盖1月12日至1月25日。两者之间存在大量共同的评价区间。

如果1月10日样本在训练集，1月11日样本在测试集，训练样本的标签就已经携带了测试样本所处行情的部分信息。

这不是代码报错能提醒你的问题。程序会正常运行，模型会正常拟合，回测曲线甚至会更加漂亮。等你把策略接上实盘，滑点开始吞噬收益，连续亏损击穿止损，才发现所谓的稳定性只是交叉验证制造的幻觉。

金融交叉验证最先要防的，不是模型太复杂，而是训练集和测试集根本没有真正分开。

直接使用随机K折，会把市场结构打碎

随机K折还有一个严重问题：它把时间顺序打乱了。

在真实交易里，你只能用过去的信息预测未来。可随机K折允许模型在训练阶段同时看到测试期之前和测试期之后的数据。即便特征本身没有显式使用未来价格，市场状态、波动聚集和相邻标签也会把未来的结构带回训练集。

尤其是以下策略，泄漏风险更高：

• 使用滚动波动率、成交量异常、资金流向等持续性特征；
• 标签采用未来多日收益、最大回撤或是否触发止盈止损；
• 样本按日生成，但每个样本的评价期长于一个交易日；
• 同一资产、同一行业或高度相关的品种同时出现在训练集和测试集；
• 通过大量参数、特征和模型组合挑选最优结果。

最后一种情况尤其危险。你可能没有直接偷看测试标签，但你反复试验不同参数，再选出回测最好的那一组，实际上已经把测试结果当成了优化信号。2014年，Bailey等人发表了关于回测过拟合概率的研究，核心警告非常直接：策略试得越多，撞上漂亮回测曲线的机会越高。

传统K折会把这种问题进一步放大。它给你多个看似独立的验证结果，却没有处理时间依赖和标签重叠。数字越整齐，陷阱越容易被忽略。

清洗机制：先把与测试标签重叠的训练样本剔掉

清洗，也就是净化操作，英文通常称为“清洗”（Purging）。它的任务单一而明确：

只要训练样本的标签评价时间区间，与测试集中任意样本的标签评价区间发生重叠，就从训练集中删除。

注意，清洗不是删除测试集，也不是简单地按照样本日期切一刀。它检查的是标签的时间跨度。

用事件时间而不是样本日期做判断

给每条样本记录两个时间：

• t0：特征观察时间，也可以理解为样本形成时间；
• t1：标签评价结束时间，也就是未来收益、止盈止损或事件结果完成的时间。

一条样本可以表示为区间 [t0, t1]。

假设测试样本的标签区间是 [T0, T1]，训练样本的标签区间是 [t0, t1]。如果两个区间满足以下条件之一，就不能把训练样本留在训练集中：

• 训练标签在测试标签开始之前已经进入测试评价区间；
• 训练标签在测试标签结束之后仍然与测试区间相交；
• 两个标签区间存在任何时间重叠。

换成交易员能听懂的话：测试集在统计一段行情的结果，训练集不能拿同一段行情的结果来学习。

一个具体的标签重叠例子

假设你用期货日线构造三条样本：

如果样本B被分到测试集，那么样本A不能继续作为训练样本。它的标签区间与样本B重叠了1月12日至1月17日。样本C则没有与样本B发生标签重叠，可以进入训练集，但它还要接受禁运规则的检查。

这里最容易犯的错误，是只比较特征时间：

• A的特征时间早于B；
• A不是未来样本；
• A看起来可以用于训练。

这个判断少看了一层。对于带未来窗口的标签，样本的“有效时间”不是一个点，而是一段区间。只看t0，等于把标签泄漏藏在地板下面。

清洗并不等于让样本完全独立

清洗解决的是标签评价区间重叠，不会自动消除所有序列相关性。

两个样本的标签不重叠，特征仍然可能高度相似。比如连续几天的滚动波动率、均线斜率和盘口不平衡指标，都可能在同一段趋势中保持相似状态。模型依然能够从相邻样本中识别市场环境，只是这种信息不再通过标签区间直接交叉。

所以，清洗是第一道闸门，不是整个风控系统。后面还需要禁运，把测试集附近的一段数据隔离出去。

清洗的实际流程

在工程里，清洗流程可以按下面的顺序执行：

1. 先明确标签定义。

不要只保存一个收益数值，必须保存标签开始时间和结束时间。未来持有期、止盈止损触发时间、事件确认时间，都属于标签时间的一部分。

2. 划分测试集。

测试集可以是某个连续时间段，也可以是组合净化交叉验证生成的某组分区。

3. 扫描训练样本的标签区间。

对每条训练样本，检查它是否与测试集任意标签区间相交。

4. 删除发生重叠的训练样本。

不能用填充值、降权或随机保留替代删除。既然训练样本已经接触测试期的信息，就不应继续参与拟合。

5. 记录清洗比例。

清洗后样本数量减少是正常现象。若删除数量异常庞大，说明标签持有期太长、采样过密，或者交叉验证分区设计本身不适合当前策略。

清洗比例不能简单拿一个固定数字硬套。五分钟高频策略、日线趋势策略和宏观事件策略，标签生命周期完全不同。你不能把一个适用于某类数据的经验窗口，直接扣在所有市场头上。

禁运机制：在测试集之后留出隔离带

清洗处理标签重叠，禁运处理测试集附近的序列相关性。

“禁运”（Embargoing）的做法是在测试集结束之后，立即剔除一段缓冲期内的训练样本。常见的经验设置是禁运比例为样本量的1%至2%，但这只是起点，不是万能答案。真正的窗口长度，应当结合数据的自相关结构、标签持有期和交易频率来决定。

为什么测试集结束后还要删数据

很多人会问：测试集已经结束，后面的样本不是未来数据吗？为什么还不能拿来训练？

因为交叉验证不是简单的时间切分。它往往把多个时间区间轮换成训练集和测试集。当前测试集结束后紧邻的样本，可能和测试集处于同一段市场状态，特征与标签都带有强烈的连续性。

举个更贴近实盘的例子。

你测试的是一段剧烈波动行情，测试区间从1月10日持续到1月20日。1月21日紧接着出现的样本，其波动率、成交量和价差仍可能延续测试期的状态。如果你把1月21日样本直接放进训练集，模型就会通过紧邻的序列结构间接接触测试期信息。

它未必看到了测试标签，但它看到了测试期留下的市场指纹。

对于新闻驱动、事件驱动和趋势延续策略，这种影响尤其明显。一次央行会议、财报公布、合约换月或逼仓行情，不会在一个时间戳上突然结束。数据表里虽然换了日期，市场状态却还在延续。

禁运窗口不能靠拍脑袋

事实资料中常见的禁运比例是1%至2%的样本量，例如embargo=0.01或embargo=0.02。这个范围可以作为工程初始值，但不能直接当成行业标准。

禁运窗口至少要考虑四件事：

• 标签持有期。

未来预测五个交易日的策略，不能用单日预测的隔离窗口处理。

• 样本采样频率。

五分钟一个样本和一天一个样本，即使禁运比例相同，实际隔离的时间长度也完全不同。

• 市场状态的持续性。

波动率聚集明显的品种，需要面对更长的状态延续；流动性突然收缩时，价差和成交冲击也不会在下一根K线立刻恢复。

• 特征的回看长度。

如果特征依赖过去60个交易日的滚动统计，边界附近的样本共享大量历史信息，分割设计就必须对此保持警惕。

可以把禁运窗口理解成交易所里的缓冲区。不是因为缓冲区里必然存在泄漏，而是因为你不能把正在冒烟的战场边缘直接当作干净样本。

清洗和禁运的区别

两者经常被混为一谈，但它们针对的是不同问题：

如果只做清洗，测试集结束后的相邻训练样本仍然可能带入市场状态信息。如果只做禁运，训练集与测试集的标签区间仍可能重叠。两个环节缺一不可。

清洗是在边界上绞杀重叠标签，禁运是在边界外再架一道火力网。只做一个，防线仍然会漏。

从普通时间切分到组合净化交叉验证

普通的向前滚动切分比随机K折更符合交易逻辑，但它不是万能药。很多人拿TimeSeriesSplit跑完，看到训练集永远早于测试集，就以为泄漏问题已经结束。

没有这么简单。

如果标签跨越多个时间点，向前滚动切分仍然可能让训练标签和测试标签重叠；如果测试集附近存在强序列相关，紧邻样本仍会传递市场状态；如果你反复调整参数并只保留最好的那条回测路径，模型依旧会被选择过程过拟合。

CPCV解决什么问题

组合净化交叉验证，英文称为“组合净化交叉验证”（Combinatorial Purged Cross-Validation，简称CPCV），是在净化K折基础上的扩展。

它把时间序列划分为多个连续分区，再从中组合训练集与测试集。在每一次组合中：

1. 选定一组分区作为测试集；

2. 对训练集执行清洗，删除标签区间重叠的样本；

3. 对测试集之后的相邻训练区间执行禁运；

4. 得到一条符合时间约束的回测路径；

5. 通过不同分区组合，生成多条回测路径。

关键变化在于：你不再只看一条从左到右的回测曲线，而是观察多条路径上的性能分布。

如果一套策略只有一条切分结果好，其他路径全部失血，那不是稳健性，而是路径依赖。它可能恰好吃到了某一段趋势、某一次波动扩张，或者某个品种的特殊行情。CPCV把时间分区重新组合，逼着模型面对更多市场顺序和状态变化。

组合数量不是越多越好看

当数据被划分为N个分区，并从中选择k个分区作为测试集，理论组合数量可以表示为C(N, k)。组合数增加，回测路径也会增加，但计算量、模型训练次数和结果解释难度会同步上升。

不要为了制造更多曲线而盲目增加分区。分区太细，单个测试区间可能缺乏足够交易事件；分区太粗，路径数量又不足以反映不同市场环境。分区设计必须服从策略的交易周期和标签生命周期。

例如：

• 日线中短线策略，需要确保每个测试区间包含足够的交易样本；
• 低频宏观策略，单个事件之间间隔长，不能把相邻事件强行当作独立样本；
• 高频策略，样本数量虽然庞大，但微观结构自相关强，禁运不应只看样本条数；
• 期货跨合约策略，还要处理换月、主力切换和不同合约流动性迁移。

CPCV能提供性能分布，但不会自动替你判断哪条路径最接近未来。它只是把单点结论拆开，让你看见策略在不同路径上的脆弱位置。

你真正该看的不是最高收益

面对CPCV结果，第一反应不要去找收益最高的路径。那是交易者最熟悉的陷阱：看到曲线抬头就追，看到回撤就解释。

更值得观察的是：

• 不同路径的收益方向是否一致；
• 回撤是否集中发生在某类市场状态；
• 交易次数变化后，收益是否完全依赖少数几笔交易；
• 换手、滑点和手续费加入后，性能分布是否整体塌陷；
• 参数轻微变化时，结果是否立刻反转；
• 单一品种的收益是否掩盖了其他品种的亏损；
• 训练窗口变化后，模型是否仍然能保持基本的风险结构。

不要把“所有路径都盈利”当作唯一标准，也不要把某一条路径的高夏普当作模型能力证明。金融数据本身存在非平稳性，合理的模型也会经历失效期。真正要防的是：回测只在一种切法、一个参数、一个市场阶段里成立。

标签定义是整套验证的地基

很多交叉验证失败，并不是验证器写错，而是标签定义从一开始就不完整。

如果你只在数据表中保存：

• 特征时间；
• 标签数值；
• 是否上涨。

却没有记录标签评价结束时间，那么清洗就没有执行基础。程序不知道标签覆盖到哪一天，只能按照样本日期机械切分。看似运行顺利，实际上已经把最关键的信息丢掉了。

常见标签类型与时间边界

不同标签必须使用不同的结束时间：

固定持有期收益

例如预测未来五个交易日收益。标签结束时间就是第五个交易日的收盘时间。如果中间遇到节假日或停牌，不能用简单的自然日加法替代交易日历。

止盈止损标签

例如使用三重障碍法，样本在止盈、止损或最长持有期中的任一条件触发时结束。标签结束时间应该是实际触发时间，而不是固定写成未来第N根K线。

波动率或风险标签

如果标签是未来一段时间的实现波动率、最大回撤或尾部损失，结束时间就是统计窗口的终点。标签虽然不是方向收益，照样存在区间重叠。

事件标签

如果模型预测财报、宏观数据或链上事件后的价格反应，标签时间要覆盖事件发生后的完整评估窗口。事件本身的发布时间、数据修订时间和市场可获得时间，也不能混在一起。

特征时间也必须遵守可得性

清洗和禁运解决不了特征本身的未来函数。

例如，你在收盘后生成交易信号，却使用了当天收盘价构造特征，再假设自己能以当天收盘价成交。这个问题与交叉验证无关，属于执行时间错误。再比如，使用财务数据时没有考虑公告发布时间，直接把季度报告的最终值回填到整个季度，也会把未来信息灌进历史。

必须把以下时间分开：

• 数据实际发生时间；
• 数据对市场公开的时间；
• 数据进入数据库的时间；
• 策略允许使用的时间；
• 下单与成交时间。

金融数据不是一张静态表，而是一条带时间戳的事件流。只要把这些时间揉成一个字段，泄漏就已经开始。

Python工程实现：验证器不是一个简单的切片器

在Python生态中，可以使用skfolio提供的CombinatorialPurgedCV，也可以参考Kaggle社区常见的PurgedGroupTimeSeriesSplit思路，自己实现带清洗和禁运的交叉验证器。

工具只是外壳，时间边界才是核心。不要因为类名里出现了“Purged”或“Embargo”，就认为数据已经被净化。你必须确认它实际使用的是哪一列时间、如何处理标签结束时间、禁运按照样本数还是时间长度计算，以及是否支持不规则交易日。

一个可执行的工程设计

建议把数据处理拆成四层，而不是把所有逻辑塞进一个训练函数。

第一层：原始事件层

保存价格、成交量、盘口、新闻、资金流和链上数据的原始时间戳。不要在这一层直接填充未来值，也不要为了方便把不同来源数据强行对齐到同一时刻。

第二层：可用数据层

按照真实发布时间和策略可见时间，生成当时可以使用的字段。任何后到数据都不能回填到过去。对于新闻和财务数据，发布日期比报告所属期间更关键。

第三层：样本与标签层

为每条样本明确记录：

• 特征形成时间；
• 标签起始时间；
• 标签结束时间；
• 资产或合约标识；
• 分组标识；
• 是否存在停牌、换月或异常成交。

这一步是清洗的入口。没有标签结束时间，后面所有净化动作都只能靠猜。

第四层：交叉验证层

交叉验证器接收样本的时间区间，生成训练索引与测试索引。每次生成训练集后，执行两步：

1. 删除与测试标签区间重叠的训练样本；

2. 删除测试集结束后的禁运窗口样本。

如果策略涉及多个品种，还要决定清洗是按单品种执行，还是按整个市场事件执行。比如股指期货和相关ETF在同一重大事件中同步波动，单独按资产切割可能无法阻断跨资产信息传播。

PurgedGroupTimeSeriesSplit的使用边界

PurgedGroupTimeSeriesSplit这类自定义验证器，常见做法是先把相邻样本划分成时间组，再在组之间进行训练测试切分。它比随机K折更接近时间序列，但“分组”不能替代标签区间检查。

如果一个组内的样本标签跨越多个时间段，组边界仍然可能不干净。你需要确认：

• 分组依据是样本形成时间，还是标签结束时间；
• 测试组前后的训练组是否被正确清洗；
• 禁运窗口是否覆盖了测试期之后的样本；
• 多个测试组之间的标签区间是否发生交叉；
• 样本权重和标准化参数是否只在训练集上计算。

尤其要注意标准化、缺失值填补、特征选择和降维。若你先用全量数据计算均值、标准差、相关系数或主成分，再进入交叉验证，数据泄漏已经发生。清洗标签不能替你挽救全量预处理。

正确的顺序应当是：每个训练折单独拟合预处理过程，再将同一组参数应用到测试折。测试集只能被变换，不能参与参数估计。

用日志把泄漏留下证据

交叉验证不是黑箱。每一折至少记录：

• 训练样本原始数量；
• 清洗删除数量；
• 禁运删除数量；
• 最终训练数量；
• 测试样本数量；
• 训练集最晚标签结束时间；
• 测试集最早与最晚标签时间；
• 禁运窗口的起止时间；
• 每个资产和每个分组的样本分布。

如果你只保存最终夏普、收益和回撤，出了问题只能凭曲线猜。把清洗与禁运日志保存下来，才能回答一个硬问题：这一折的训练集，究竟有没有碰到测试集的标签区间？

为什么普通TimeSeriesSplit仍然不够

向前滚动验证有一个明显优点：训练集在时间上早于测试集，符合交易顺序。但它只解决了“整体时间方向”问题，没有自动解决标签重叠、状态延续和复杂预处理泄漏。

假设训练集截止到3月31日，测试集从4月1日开始。若3月31日样本的标签覆盖未来五个交易日，那么它的标签直接进入了测试区间。训练集虽然在样本日期上早于测试集，标签却没有结束。

这就是为什么“训练集日期早于测试集日期”不是充分条件。

还要看特征窗口。若测试集从4月1日开始，而训练集最后一个样本使用了3月31日收盘后的信息，策略实际能否在4月1日开盘前取得这些数据？如果不能，时间切分再漂亮也没有意义。

普通时间切分更适合做基础 sanity check，而不是当作金融模型唯一的验证框架。它可以保留，但必须在标签净化、禁运和预处理隔离之后使用。

最容易把回测做坏的几种操作

把未来收益先算好，再随机切分

这是最直接的泄漏。标签先在全量数据上滚动计算本身并不一定错误，但切分时必须依据标签区间执行清洗。否则，重叠标签会被同时分配到训练集和测试集。

只删除测试区间内的训练样本

有些实现看到训练样本日期落在测试期内，就把它删除；测试期外的样本则全部保留。这种做法没有检查标签结束时间，也没有处理测试集之后的禁运窗口。

样本日期不是标签边界。两者混用，等着被回测曲线扫损。

禁运固定成一个拍脑袋的天数

不同频率的数据不能共享同一个禁运天数。五分钟数据里一天可能包含数百个样本，日线数据里一天只有一个样本。将“禁运三天”硬编码，既可能过短，也可能把训练集砍得所剩无几。

应当明确禁运按什么计算：

• 按时间长度；
• 按样本数量；
• 按交易日比例；
• 按标签持有期；
• 按自相关衰减窗口。

如果采用1%至2%的样本比例作为起点，也要把实际转换后的时间跨度记录下来。

先用全量数据做特征筛选

你用全量样本计算特征与收益的相关性，再挑选最相关的指标进入交叉验证。这等于提前让测试集参与了特征选择。即使最终模型没有直接读到测试标签，筛选过程已经根据测试期结果改变了输入变量。

特征筛选必须在每个训练折内完成。模型选型、参数搜索、阈值调整也一样。

反复试验后只展示最好的一次

这不是验证，是挑曲线。

当你尝试了大量标签窗口、止盈止损参数、入场阈值、品种组合和模型结构，最终只保留最好结果时，模型已经经历了选择偏差。CPCV能帮助你看到多条路径，但不能替你消除“试很多次再选最好”的问题。

解决方式不是把坏结果藏起来，而是记录实验空间、固定评价协议，并保留未参与调参的最终测试区间。

如何判断净化后的结果是否更可信

净化后，样本数量下降、收益回落、夏普降低，都不代表模型失败。恰恰相反，很多原本依赖泄漏的策略，会在清洗和禁运后迅速失血。

这一步像把杠杆从二十倍砍回三倍。账户曲线不再那么刺激，但你终于看见了真实风险。

可以从几个角度观察结果。

性能是否从“单点神迹”变成“分布”

净化交叉验证不应只输出一个均值。你需要查看不同路径的收益、回撤、胜率、换手和交易次数分布。性能分散很大，说明策略对时间路径敏感；收益方向相对稳定，说明模型并非只吃到某一段行情。

回撤是否符合策略逻辑

趋势策略在横盘期回撤，均值回归策略在单边行情中受伤，事件策略在事件稀疏时交易机会减少，这些都属于可解释的风险。

无法解释的回撤更危险。比如所有亏损集中在换月、夜盘、低流动性时段，说明模型可能没有处理交易执行；收益全部来自少数极端行情，说明策略对尾部样本过度依赖。

加入交易成本后是否仍有生存空间

滑点不是回测里的装饰品。期货盘口变薄时，成交价会迅速偏离信号价；高换手模型即使预测方向正确，也会被手续费、冲击成本和排队成交吞掉。

成本模型至少要覆盖：

• 手续费；
• 买卖价差；
• 滑点；
• 市场冲击；
• 换月成本；
• 夜盘与流动性差异；
• 涨跌停、熔断或无法成交的情况。

净化后本来就脆弱的策略，加入现实成本可能直接爆仓。这不是成本太保守，而是模型原先把不可交易的收益当成了利润。

轻微改动会不会击穿模型

把标签窗口从五个交易日改成四个或六个，把训练窗口前后移动，把禁运比例从1%调整到2%，结果不应当立刻从盈利变成彻底失效。

如果一丁点改动就击穿收益，模型可能在拟合某个特定边界。真正稳健的信号不会只藏在一个神奇参数里。

当然，参数稳定不代表实盘必赚。它只说明模型没有那么容易被一根边界线绞死。市场一旦换状态，仍然可能让模型失效。

一个适合实战团队的验证流程

如果你正在搭建新的量化策略，我建议把验证流程固定成下面几步，不要每次研究都临时改协议。

1. 先写清楚交易时钟。

明确特征何时生成、信号何时确认、订单何时提交、成交价如何获得。没有执行时钟，收益标签就是一笔糊涂账。

2. 为每条样本保存标签起止时间。

固定持有期、止盈止损、事件标签都必须拥有明确结束时间。

3. 冻结数据版本。

不要在模型训练期间不断替换历史数据、修正异常值或回填字段。数据版本变化会让不同实验无法比较。

4. 先做时间顺序检查。

用向前滚动切分确认最基本的训练测试方向没有反转。

5. 加入清洗。

删除训练集中所有与测试标签评价区间重叠的样本。

6. 加入禁运。

在测试集结束后留出隔离窗口，初始可以从1%至2%的样本比例开始，再结合自相关和标签持有期调整。

7. 将预处理放进训练折。

标准化、缺失值处理、特征选择、降维和模型调参，全部只使用训练集拟合。

8. 使用CPCV观察多条路径。

不要只看平均收益，保留每条路径的完整交易记录和风险指标。

9. 加入现实交易成本。

把手续费、价差、滑点和成交限制放到回测引擎，而不是在最后用一个固定比例随手扣掉。

10. 保留未触碰的最终样本。

研究阶段结束后，使用独立的时间区间做最终检验。这个区间不能拿回来反复调参，否则它也会被你吃掉。

最后的账户警告

金融时间序列交叉验证不是为了把回测曲线修饰得更好看，而是为了把虚假的好看击穿。

清洗删除标签重叠，禁运隔离测试集附近的序列相关，组合净化交叉验证把单一路径拆成性能分布。它们不能消除模型误差，不能保证实盘盈利，也不能替你处理数据质量、执行成本和市场制度变化。

但如果连这些基本防线都没有，模型的夏普、胜率和收益曲线就没有多少讨论价值。你看到的不是策略能力，而是泄漏、相关性和反复试验共同喂出来的幻觉。

回测里少赚一点，最多难受；实盘里带着泄漏上杠杆，才是真正的爆仓。先把验证做干净，再谈模型能不能赚钱。

Related reading: 量化模型中的前瞻偏差：数据泄露的隐蔽成因与检测机制 and 量化策略的终极博弈：为什么高质量数据比复杂算法更决定成败.