第2章滚动窗口设计

滚动窗口设计：固定窗口 vs 滚动窗口、窗口大小的选择逻辑、步长与频率的设定

窗口设计这件事，说白了就是决定「用多长的历史数据来训练模型」。我见过不少新手一上来就拍脑袋选个252天（一年），结果市场风格一变，模型立马失效。嗯，这里面的门道，咱们得好好聊聊。

先说说这两种最基础的窗口模式。

固定窗口，就是选一段历史数据，训练完模型就不动了。比如我用2018到2020年的数据训练，之后一直用这个模型做预测。听起来省事，对吧？但我告诉你，这在量化里基本行不通。市场是活的，你的模型却是死的，时间一长，参数早就偏离了实际。

我在项目中遇到过最典型的例子：用固定窗口训练了一个趋势跟踪策略，2019年跑得特别好。结果2020年3月市场暴跌，模型完全没反应过来，因为它根本没见过这种极端行情。那一次回撤，直接让我把整个策略推倒重来。

核心区别：

滚动窗口就好多了。每次预测时，只取最近N天的数据训练模型。比如今天是2024年6月1日，我就用2023年6月1日到2024年6月1日的数据。明天到了6月2日，窗口就往前推一天，丢掉最旧的数据，加入最新的。

你想想看，这样做的好处是什么？模型永远在用最新的市场信息做决策。市场风格变了，它也能慢慢跟上。当然，代价就是计算量大——每天都要重新训练。

窗口大小怎么定？这问题我琢磨了好几年。说实话，没有标准答案，但有几条经验法则。

第一，看策略类型。

第二，看市场波动率。

波动率高的市场，窗口要短。为什么？因为高波动意味着市场结构不稳定，用太久的数据会引入过时的信息。我记得2022年做加密货币策略时，波动率动不动就翻倍，我被迫把窗口从90天砍到30天，效果反而更好。

第三，看样本量。

如果你的模型参数多（比如深度学习），窗口就得大。否则容易过拟合。一个简单的经验：样本量至少是参数数量的10倍。比如你的模型有50个参数，窗口内至少要有500个样本点。

我的个人习惯：先用直觉选一个窗口，比如120天。然后做敏感性分析——分别试60天、90天、120天、150天、180天，看哪个窗口在验证集上表现最稳定。注意，我说的是「稳定」，不是「最好」。有时候某个窗口回测成绩特别好，但那是过拟合，实盘一跑就崩。

步长，就是每次窗口往前推多少天。频率，就是多久做一次模型更新。

这两个参数经常被混为一谈，其实不一样。步长是窗口移动的「距离」，频率是模型更新的「时间间隔」。

常见的步长设定：

频率的设定逻辑：

频率可以等于步长，也可以不同。比如步长设1天，但频率设5天——意思是窗口每天往前推1天，但每5天才重新训练一次模型。这样做的好处是：窗口数据是最新的，但模型参数不用频繁更新，节省计算资源。

我曾经踩过的坑：步长设得太小，频率设得太高。结果每天跑几十个模型，服务器直接炸了。后来我学乖了：先算一下你的计算资源能承受多少。如果每天只能跑10个模型，那就别设步长=1天。步长和频率的乘积，就是你每天要训练的模型数量。

举个例子：你有100只股票，步长=1天，频率=1天，那每天就要训练100个模型。如果步长=5天，频率=5天，那每天只需要训练20个模型（因为每5天才更新一次，平均下来每天20个）。

下面这张图展示了滚动窗口的核心逻辑。我习惯用这种图来跟团队沟通，一目了然。

这张图里，固定窗口从t-5一直用到t，长度不变。滚动窗口则从t-5到t-2，然后步长=2，往前推到t-3到t。你看，旧窗口丢掉了t-5和t-4的数据，加入了t-1和t。这就是滚动的本质——用最新的信息替换最旧的。

说了这么多理论，来点实际的。我整理了一个表格，方便你对照自己的情况做选择。

策略类型	推荐窗口大小	推荐步长	推荐频率	注意事项
日频趋势跟踪	60-120天	1-5天	每天或每周	窗口太短容易追涨杀跌
周频均值回归	20-60天	5天	每周	窗口太长会错过反转信号
月频因子选股	180-500天	20天	每月	需要足够数据估计因子IC
高频做市	5-20天	1天	每天多次	注意计算延迟，别拖慢交易

避坑指南：我曾经在日频策略里用了500天的窗口，结果模型对2020年3月的暴跌反应迟钝，因为窗口里包含了太多2018-2019年的低波动数据。后来我改成120天，灵敏度明显提升。记住：窗口越大，模型越「迟钝」；窗口越小，模型越「敏感」。你要找的是那个平衡点。

最后说一句：窗口设计没有银弹。我建议你从120天、步长5天开始，然后根据回测结果慢慢调。别一上来就追求完美，先跑起来，再优化。量化交易的本质是迭代，窗口设计也一样。

公众号:蓝海资料掘金营，微信deep3321