择时模型过拟合诊断与优化
📚 共计 30 章节
01
过拟合的本质
从偏差-方差权衡看择时模型的过拟合根源
核心概念
偏差方差
02
过拟合的常见表现
回测完美、实盘崩溃的典型症状
症状识别
回测陷阱
03
数据窥探偏差
为什么反复使用同一数据会导致虚假信号
数据偏差
多重比较
04
样本内与样本外
如何正确划分训练集、验证集和测试集
数据划分
验证策略
05
时间序列交叉验证
避免未来信息泄露的滚动验证方法
交叉验证
滚动窗
06
参数优化陷阱
网格搜索与过拟合的微妙关系
参数搜索
过拟合风险
07
多重比较偏差
当你在1000个策略中选最好的那个
统计偏差
选择偏差
08
选择偏差
幸存者偏差与回测数据清洗的误区
幸存者偏差
数据清洗
09
过拟合的统计检验
夏普比率、最大回撤的置信区间
统计检验
置信区间
10
防御性方法1：正则化
L1、L2惩罚项在择时模型中的应用
正则化
L1/L2
11
防御性方法2：早停法
在验证集上监控过拟合
早停
验证监控
12
防御性方法3：Dropout
随机失活神经元防止共适应
Dropout
随机失活
13
防御性方法4：集成学习
Bagging、Boosting降低方差
集成
Bagging
14
防御性方法5：特征选择
减少冗余特征对抗维度灾难
特征选择
降维
15
防御性方法6：数据增强
通过合成数据增加样本多样性
数据增强
合成数据
16
防御性方法7：模型简化
从复杂模型到简单模型的降维打击
模型简化
奥卡姆剃刀
17
防御性方法8：贝叶斯方法
先验分布约束参数空间
贝叶斯
先验
18
防御性方法9：对抗验证
检测训练集与测试集分布差异
对抗验证
分布偏移
19
防御性方法10：置换检验
通过随机打乱标签评估模型显著性
置换检验
显著性
20
诊断工具1：学习曲线
绘制训练误差与验证误差
学习曲线
误差分析
21
诊断工具2：验证曲线
观察参数变化对过拟合的影响
验证曲线
参数影响
22
诊断工具3：特征重要性分析
识别过拟合的特征
特征重要性
过拟合特征
23
诊断工具4：残差分析
检查预测误差的随机性
残差
随机性
24
诊断工具5：回测分布分析
蒙特卡洛模拟评估策略稳定性
蒙特卡洛
分布分析
25
诊断工具6：夏普比率衰减
实盘与回测夏普比率的差距
夏普比率
衰减
26
诊断工具7：策略拥挤度
当太多人用同一个信号时
拥挤度
信号衰减
27
诊断工具8：参数敏感性分析
微小参数变化导致巨大绩效波动
敏感性
参数波动
28
诊断工具9：跨品种/跨周期验证
策略在不同市场环境下的表现
跨品种
鲁棒性
29
诊断工具10：压力测试
极端市场条件下的策略鲁棒性
压力测试
极端市场
30
综合案例：从回测王者到实盘青铜
一个择时模型的过拟合诊断与优化全流程
综合案例
全流程