Evian, CFA2024-06-24 14:18:30

ヾ(◍°∇°◍)ﾉﾞ你好同学，

回测用真实数据
回测数据和模型数据不相同，例如，用同一时期，中国市场的数据搞一个模型，然后用同一时期美国的数据验证这个模型能不能赚钱

back-testing（回测）和out-of-sample testing（样本外测试）都是评估金融模型、交易策略或投资组合性能的方法

Back-testing（回测）
定义：回测是一种使用历史数据来模拟投资策略在过去的表现的方法。它可以帮助评估如果策略在过去被执行，它可能会产生什么样的结果。
1
目的：回测的目的是验证策略在不同市场条件下的有效性和稳健性，以及策略是否可能在未来产生利润。
2
方法：在回测中，可以使用真实历史数据，也可以使用模拟或合成数据。重要的是数据应该代表策略将要操作的市场环境。
3
风险：回测可能面临过拟合（overfitting）的风险，即策略可能过于适应历史数据，而无法很好地泛化到未来。
4
操作：在回测中，可以使用实际的交易规则，包括交易成本、滑点（slippage）和资金管理规则。

Out-of-sample Testing（样本外测试）
定义：样本外测试是指在模型开发过程中保留一部分数据不用于模型训练，而是用于测试模型在未见数据上的表现。
1
目的：样本外测试的目的是评估模型的泛化能力，即模型在新数据上的表现如何。
2
方法：在样本外测试中，数据被分为训练集和测试集。模型仅在训练集上开发和优化，然后在测试集上进行评估。
3
风险：样本外测试可以减少过拟合的风险，因为它提供了一个独立于模型开发过程的评估。
4
操作：样本外测试通常用于统计模型和机器学习模型，以确保模型参数没有过度调整以适应训练数据。

两者有一些关键的区别：
数据使用：回测通常使用全部可用的历史数据，而样本外测试使用部分数据作为测试集。
测试目的：回测旨在评估策略在历史条件下的表现，样本外测试旨在评估模型在新数据上的泛化能力。
应用范围：回测常用于交易策略和投资组合管理，样本外测试常用于统计模型和机器学习模型的评估。
风险关注：回测更关注过拟合和历史数据的代表性，样本外测试更关注模型的泛化能力和新数据的表现。
---------------------
投资更加优秀的自己👍 ~如果满意答疑可【采纳】，仍有疑问可【追问】，您的声音是我们前进的源动力，祝您生活与学习愉快!~