一个查时间维度的过拟合,一个查个股维度的运气,一个查因子本身是否有趋势。
调参最大的陷阱是『用全样本调参、再报全样本结果』(look-ahead)。用户教了一套严格检验,现在是默认流程。
| 窗口 | 训练期(2019-2024)Sortino | 测试期(最近2年) |
|---|---|---|
| 收窄60d(旧) | 1.86 | 1.03 |
| 收窄90d(落地) | 2.63 | 1.01 |
| 收窄120d | 2.09 | 0.96 |
90d 在老数据明显更优,但留出的最近两年其实和 60d 打平——AH 动量近两年整体变弱了。只有训练+测试都赢的才算真改进(去北交所就两段都赢、是真稳健;9腿blend只赢训练、不稳健)。
| 选股方式 | CAGR(中位) | Sortino(中位) |
|---|---|---|
| 纯随机(200选20,无因子) | 28.9% | 1.73 |
| 高分池top60随机20 | 30.4% | 1.82 |
| 高分池top40随机20 | 32.8% | 1.94 |
| 实际双因子top20 | 39.1% | 2.24 |
清晰的单调梯度:纯随机1.73→高分池随机1.94→精确2.24。高分池里随机选也稳超纯随机,证明是因子系统性有效不是偶然押中。但实际 top20 高于高分池随机的 95 分位,说明 headline 39% 偏乐观,前向稳健预期按扰动中位 ~30-33% 设。
按因子切 10 段看收益趋势(见『ΔROE 端部效应』那篇)。三个维度互补:①查时间过拟合、②查个股运气、③查因子本身有效性和形状。一起用基本能筛掉『漂亮但虚』的回测。