华泰人工智能系列之二十二：基于CSCV框架的回测过拟合概率

今天分享的是：华泰人工智能系列之二十二：基于CSCV框架的回测过拟合概率

报告共计：22页

《基于 CSCV 框架的回测过拟合概率》总结

本文聚焦量化投资中回测过拟合问题，基于组合对称交叉验证（CSCV）框架，以三组量化研究案例深入剖析回测过拟合概率（PBO）计算流程及相关要点。

过拟合分为训练与回测过拟合两层。训练过拟合系机器学习范畴，因超参数不当或过度训练致模型在训练集优、测试集差，可借合理交叉验证纠偏；回测过拟合属量化语境广义问题，源于市场规律变或对数据噪音过度研习，致使模型回测佳而实盘弱，检测其概率为关键解决路径。

CSCV 框架计算 PBO 的核心，是测“训练集”夏普比率最优策略于“测试集”的排名，前列则 PBO 低、反之则高。操作时，先将回测时长 T 均分为 S 份，取 S/2 份组“训练集”，余为“测试集”，算各策略夏普比率与排名，多次重复，视排名在后 50%的概率为 PBO。其优点显著，“训练集”“测试集”样本等量、策略对等、保留时序、非参灵活，夏普比率亦可按需换为他指标。

三组案例涵盖多因子选股与择时模型。案例 1 的 7 种机器学习选股模型，经多空、Top 及指数增强组合测试，各组合 PBO 多在 15% - 50%（指数增强组合夏普比率 PBO 部分情形除外），如 T/S = 8 时，多空 7.4%、Top 20.6%、指数增强超额收益净值 34.5%，表明“XGBoost 最优”大概率非过拟合。案例 2 的 6 种交叉验证多因子选股模型，逻辑回归与 XGBoost 多空组合 PBO 分别在 20% - 50%、10% - 40%（T/S = 48 除外），显示“分组时序交叉验证最佳”大概率非过拟合且 XGBoost 过拟合概率更低。案例 3 的双均线 50ETF 择时模型，7 组参数 PBO 多在 70% - 90%，91 组参数在 50% - 70%（T/S = 42 除外），显示“参数组合最优”大概率过拟合，且择时模型整体过拟合风险高于选股模型。

综上，CSCV 框架为量化策略回测过拟合检测提供有效工具，助投资者甄别策略优劣，为量化投资实践筑牢根基、指引方向，于多因子选股与择时策略评估意义深远，有力推动量化投资技术发展与优化。

以下为报告节选内容