SSRN-id2326253

AI 全书内容总结

资料名为SSRN论文编号，实为英文学术论文《The Probability of Backtest Overfitting》（回测过拟合的概率），作者为Bailey、Borwein、López de Prado与Zhu，2015年修订版，主题与“量化交易与统计”归类相符，但属非中文文献。论文指出：投资机构普遍依赖历史回测挑选策略与配置资本，但保留样本（hold-out）等常用防过拟合手段在回测情境并不可靠；经多次尝试挑出的“最优”策略，样本内外表现往往严重背离，而发表的回测几乎不披露试验次数，多为假阳性。作者提出评估回测过拟合概率（PBO）的一般框架，并给出无模型、非参数的实现——组合对称交叉验证（CSCV）：把历史数据切分为子块，组合生成多组训练/测试配对，以logit分布度量样本内最优配置在样本外落后于中位数的概率。框架还含业绩退化、随机占优等互补分析，并以随机游走数据上的“季节性策略”为例演示：样本内夏普比率较高，PBO却达55%-74%，样本外收益过半为负。论文强调回测应披露全部试验并控制PBO与最小回测长度（MinBTL）。适合具备统计与机器学习基础的量化策略研究人员阅读。