本文共 835 字，大约阅读时间需要 2 分钟。
样本外检验的功能主要是用来判断对数据的处理方法是否存在明显的过度拟合
推进分析的整个操作流程非常贴合实际交易的情况。在实际环境中如果使用量化交易策略进行交易，使用者常常会先根据最近的数据优化好策略设置和策略参数之后，再用其来指导当前的交易，而在下一次需要判断是否交易时，再重新优化一遍策略设置和策略参数，从而使得策略更好的反映最近的市场情况。 同时，推进分析可以在回溯测试当中较为有效的排除未来信息的存在 在实际的量化交易策略研发中，有时候会由于使用的策略方法计算量过大而导致完全按照推进分析的流程进行检验出现困难。一般而言，样本内优化需要的计算量远远大于样本外检验的计算量，因此当出现计算量过大、计算机处理水平不足的问题时，可以通过降低最优化处理的频率来有效减小总体的计算量 当然，这样的改动在节省计算量的同时，也会随之生成一些其他的问题。首先，这样的回溯测试过程不能够再精细的体现出实际交易下不断优化更新策略的操作过程。 在假设市场稳定变化的前提下，这样合并检验数据的做法会使得策略的有效性受到损害在量化交易策略研究当中，多层推进分析的逻辑其实较为复杂，如果不小心处理就有可能会出现细节上的错误。在研究人员较难驾驭这种复杂逻辑的情况下，作者建议最好避免使用这种方法，为了测试一些参数的过度拟合程度而导致整个回溯测试结果的不可信，其实是得不偿失的
图 6.4 多层推进分析示例
图 6.5 推进分析下的验证示例
直到找到一个在这部分样本内具有盈利能力的量化交易策略。然后将该策略置于横线上方的后 3 行数据上，进行一次普通的推进分析，查看深灰色框内的收益情况和策略净值表现，如果仍然具有盈利能力则使用该策略进行实际交易， 如果策略失效则否定该策略，重新寻找其他策略。 作为验证环节的后一次推进分析对策略去留具有决定性的影响，一个实际上有盈利能力的量化交易策略由于在样本数据上无法通过验证从而被淘汰的情况是有可能发生的。转载地址：http://hkfws.baihongyu.com/