365天量化课程

Currently Playing: 365天量化金融151：策略样本外失效，还是考察时间太短

━━━━━━━━━━━━━━━━━━ 系统学习 · 知识星球 ━━━━━━━━━━━━━━━━━━ 在知识星球搜「工作姐博士在读」，年费会员 2880 元／年。 三个专栏更新中： 　· 365 天量化金融 　· 入门量化 30 讲 　· 因子实验室 均含完整代码、数据、课件与专业答疑。 ━━━━━━━━━━━━━━━━━━ 1. 策略样本外失效，还是考察时间太短 | In-Sample vs OOS | D151 2. 策略只观察半年，为什么容易错判 | In-Sample vs OOS | D151 3. 回测数据七三开，真的适合你吗 | In-Sample vs OOS | D151 4. 样本外要留多久，才不轻易错杀 | In-Sample vs OOS | D151 5. 一次样本外成绩，能给策略定论吗 | In-Sample vs OOS | D151 ### 你将学到什么 - 会查错杀率表:样本外窗口 6/12/24/48 个月对应错杀好策略 37%/32%/26%/12% - 记住公式:样本外夏普标准误 ≈ 1 ÷ √年数,半年 ±1.41、两年 ±0.71、4 年 ±0.50 - 理解误放率的顽固:坏策略即便看4 年仍有约三分之一的窗口蒙混 —— 时间治不了「不好不坏」 - 会选切分比例:70/30 换三个未来切点从不垫底、名额稳定;90/10 只剩两三只全凭运气 - 理解切分比例的三方平衡:训练段够挑真冠军、样本外够把关、放行名额够分散 - 看懂随机切 vs 时间切的实测:固定菜单下泄漏无处发力,时序数据仍必须默认按时间切 - 养成读数带误差条的习惯:2.7 年样本外的 +0.56,跟零没有统计差别 ### 课程特色 - 真实美股/A 股数据实战 - 可运行的 Python 代码 - 华尔街从业者视角:量化研究员的核心日常 - 主战场 A 股,也讲港股/美股/加密策略 - 配套 PDF 课件、视频、Notebook 三件套 ### 适合人群 - 想从主观交易转量化的个人投资者 - 对量化投资感兴趣的金融专业学生 - 想从数据科学转向量化金融的工程师 - 希望系统学习量化方法的策略爱好者 ### 课程大纲 本节课内容概要: 1. 样本外的两个工程问题:留多长、怎么切 2. 错杀率表:试用期的定价公式 3. 误放率:时间治不了「不好不坏」 4. 70/30 的三个时代体检 5. 反教科书实验:随机切 vs 时间切 6. 读数带误差条:样本外数字的正确打开方式 ### 配套资料 购买后你将获得: 1. 环境安装教学视频 2. 配套课件 3. Python 源代码