带清洗与禁运的交叉验证

路线进度模块 3/4 · 主题 4/6

3.4 带清洗与禁运的交叉验证

—实验得分— / 100总 XP—连续天数—

尊重时间的交叉验证

交叉验证会重复使用数据：把数据切成若干折，在一折上测试，在其余折上训练。对相互独立的行这样没问题，但金融标签在时间上会重叠。若第 $j$ 行的标签是从 $j$ 到 $j+H$ 的收益，它的窗口就是 $[j,j+H]$ 。覆盖第 $a$ 到 $b-1$ 行的测试折，其标签覆盖 $[a,b-1+H]$ 。任何窗口与此范围相交的训练行（即 $a-H\le j\le b-1+H$ ）都与测试标签共享收益，保留这些行就会让模型看到部分答案。

[j,\,j+H]\cap[a,\,b-1+H]\neq\varnothing\iff a-H\le j\le b-1+H\qquad\Longrightarrow\qquad a-H\le j\le b-1+H+e

(1)

清洗去掉重叠的训练行。禁运则在测试折之后再去掉 $e$ 行，因为收益存在自相关、波动率会聚集，所以测试块之后的头几行仍带有关于它的信息。在滚动前向方案里，训练只发生在测试之前，同样的想法变成一个间隔：用到第 $a-H-1$ 行为止训练，间隔为 $H$ （再加 $e$ ）。scikit-learn 的 TimeSeriesSplit 有 gap 参数就是干这个的。在月度股票面板上，当 $H=3$ 时，滚动前向信息系数无禁运为 $0.0326$ ，禁运 $3$ 个月为 $0.0327$ ：因为标签重叠很短，清洗带来的变化很小，但不做就无从知道。

数一数行取

n=100

行、标签期限

H=5

、测试折

[40,60)

、禁运

e=2

。折之前，第

35

到

39

行与其标签重叠：

5

行。折之后，第

60

到

66

行（直到

b-1+H+e=66

）被去掉：

7

行。该折保留

100-20-12=68

个训练行。在同一个测试折的滚动前向版本里，训练行止于第

34

行，共

35

行，这正是 scikit-learn 的 TimeSeriesSplit 在间隔为

5

时返回的结果。

先清洗，再禁运：去掉标签与测试标签相交的训练行，再去掉测试之后的几行。
滚动前向中的间隔：只用至少早于测试 $H$ 行的数据训练。
即使变化很小也要做：干净的评估只损失几行，泄漏可能毁掉一个策略。

实验：评分内容

折之前被清洗的行10 分
折之后被清洗的行15 分
剩下的训练规模15 分
带间隔的滚动前向折10 分
哪些行要被清洗10 分
带清洗的划分10 分
配对术语15 分
为什么还要禁运15 分

0/ 已答 8 题

1数值作答10 分未作答

第 $j$ 行的标签覆盖 $[j,j+H]$ （ $H=5$ ），测试折是第 $40$ 到 $59$ 行。折之前满足 $j\ge a-H=35$ 的训练行与其标签重叠。第 $35$ 到 $39$ 行中有多少行被清洗？

k =

允许误差:± 0.01

2数值作答15 分未作答

折之后（ $b=60$ ），在 $H=5$ 、禁运 $e=2$ 时，直到 $b-1+H+e$ 的行被去掉。第 $60$ 到 $b-1+H+e$ 行共有多少行被去掉？

k =

允许误差:± 0.01

3数值作答15 分未作答

共有 $100$ 行，测试折 $20$ 行，其前清洗 $5$ 行、其后清洗 $7$ 行。还剩多少训练行？

n =

允许误差:± 0.01

4数值作答10 分未作答

一个滚动前向折测试第 $40$ 到 $59$ 行，只用到第 $a-H-1$ 行为止的数据训练， $H=5$ （间隔为 $5$ ）。从第 $0$ 行数起，它有多少训练行？

n =

允许误差:± 0.01

5选择10 分未作答

在带清洗的交叉验证中，哪些训练行会被去掉？

6排列步骤10 分未作答

把构建一个带清洗的折的步骤按正确顺序排列。

拖动以重新排序;也可聚焦某项,按空格抬起,用方向键移动,再按空格放下。

1去掉窗口与该范围相交的训练行以及禁运部分
2选择测试行 a 到 b - 1
3在剩余训练行上拟合并给测试行打分
4算出测试行所覆盖的标签窗口范围

7配对15 分未作答

把每个术语与其含义配对。

为左侧每一项选择配对项。

标签期限 H

清洗

禁运

TimeSeriesSplit 中的 gap

8用文字解释15 分未作答

清洗已经去掉了标签与测试标签重叠的训练行。用一两句话解释：为什么还要在测试折之后再加一段禁运。

评分依据:收益和波动率存在自相关，所以紧接在测试块之后的行仍与它相关它们的信息仍可能通过特征漏进模型，所以要留出安全边际来保护测试0 / 400 字

数学模式键盘或 LaTeX 输入第 1/8 题 · Ctrl ⏎ 检查

带清洗与禁运的交叉验证

路线进度模块 3/4 · 主题 4/6

3.4 带清洗与禁运的交叉验证

—实验得分— / 100总 XP—连续天数—

尊重时间的交叉验证

[j,\,j+H]\cap[a,\,b-1+H]\neq\varnothing\iff a-H\le j\le b-1+H\qquad\Longrightarrow\qquad a-H\le j\le b-1+H+e

(1)

数一数行取

n=100

行、标签期限

H=5

、测试折

[40,60)

、禁运

e=2

。折之前，第

35

到

39

行与其标签重叠：

5

行。折之后，第

60

到

66

行（直到

b-1+H+e=66

）被去掉：

7

行。该折保留

100-20-12=68

个训练行。在同一个测试折的滚动前向版本里，训练行止于第

34

行，共

35

行，这正是 scikit-learn 的 TimeSeriesSplit 在间隔为

5

时返回的结果。

先清洗，再禁运：去掉标签与测试标签相交的训练行，再去掉测试之后的几行。
滚动前向中的间隔：只用至少早于测试 $H$ 行的数据训练。
即使变化很小也要做：干净的评估只损失几行，泄漏可能毁掉一个策略。

实验：评分内容

折之前被清洗的行10 分
折之后被清洗的行15 分
剩下的训练规模15 分
带间隔的滚动前向折10 分
哪些行要被清洗10 分
带清洗的划分10 分
配对术语15 分
为什么还要禁运15 分

0/ 已答 8 题

1数值作答10 分未作答

第 $j$ 行的标签覆盖 $[j,j+H]$ （ $H=5$ ），测试折是第 $40$ 到 $59$ 行。折之前满足 $j\ge a-H=35$ 的训练行与其标签重叠。第 $35$ 到 $39$ 行中有多少行被清洗？

k =

允许误差:± 0.01

2数值作答15 分未作答

折之后（ $b=60$ ），在 $H=5$ 、禁运 $e=2$ 时，直到 $b-1+H+e$ 的行被去掉。第 $60$ 到 $b-1+H+e$ 行共有多少行被去掉？

k =

允许误差:± 0.01

3数值作答15 分未作答

共有 $100$ 行，测试折 $20$ 行，其前清洗 $5$ 行、其后清洗 $7$ 行。还剩多少训练行？

n =

允许误差:± 0.01

4数值作答10 分未作答

一个滚动前向折测试第 $40$ 到 $59$ 行，只用到第 $a-H-1$ 行为止的数据训练， $H=5$ （间隔为 $5$ ）。从第 $0$ 行数起，它有多少训练行？

n =

允许误差:± 0.01

5选择10 分未作答

在带清洗的交叉验证中，哪些训练行会被去掉？

6排列步骤10 分未作答

把构建一个带清洗的折的步骤按正确顺序排列。

拖动以重新排序;也可聚焦某项,按空格抬起,用方向键移动,再按空格放下。

1去掉窗口与该范围相交的训练行以及禁运部分
2选择测试行 a 到 b - 1
3在剩余训练行上拟合并给测试行打分
4算出测试行所覆盖的标签窗口范围

7配对15 分未作答

把每个术语与其含义配对。

为左侧每一项选择配对项。

标签期限 H

清洗

禁运

TimeSeriesSplit 中的 gap

8用文字解释15 分未作答

清洗已经去掉了标签与测试标签重叠的训练行。用一两句话解释：为什么还要在测试折之后再加一段禁运。

数学模式键盘或 LaTeX 输入第 1/8 题 · Ctrl ⏎ 检查

带清洗与禁运的交叉验证

尊重时间的交叉验证

实验：评分内容

登录后即可运行你的代码。

带清洗与禁运的交叉验证

尊重时间的交叉验证

实验：评分内容

登录后即可运行你的代码。