Evian, CFA2022-07-13 12:14:13

ヾ(◍°∇°◍)ﾉﾞ你好同学，

首先明确，你的理解是有道理的，out of sample test可以检验所有的模型是否准确，就是我们拿初始样本数据形成了一个模型A，然后用样本外数据检验模型A，是否准确

其次说明，在CFA一级数量中，out of sample test是放在data mining bias知识点。换句话说，CFA知识体系认为本题最优选是B。

补充：
1
Data mining bias指的是数据挖掘偏差，是模型过度抓取了样本数据的特征，而不能准确估计总体特征。
例如，研究哺乳动物。
用猫的图片作为样本，总体是哺乳动物，模型抓取信息过度的意思是：模型从猫的图片中总结“耳朵在头上方、爬行、全身有毛发，四肢差不多长”来估计总体。
接下来我们想测一下，模型准不准，我们给电脑模型（之前样本之外的数据）一张人类的图片，模型会说人不是哺乳动物，模型判断有误，因为人是哺乳动物

2
sample selection bias联系最紧密的偏差是survivorship bias，out of sample test可能测不出来sample selection bias。
例如，市场上存在基金都是存活着的基金，抽样抽到的样本也都是活着的基金，挂掉的基金不可以抽取，所以抽样“样本外数据”无法检测样本选择偏差。
----------------------
学而时习之，不亦说乎👍【点赞】鼓励自己更加优秀，您的声音是我们前进的源动力，祝您生活与学习愉快!~