标签有的五天有的十天，验证集边界怎样逐条清除重叠

验证边界应检查每条标签的实际信息起止区间，只要训练标签与任一测试信息区间相交，就从本折训练候选里清除。固定隔开五条记录，无法替代不等长标签的逐条检查。下面先把“重叠”变成一个可复算布尔条件，再讨论清除清单是否适合真正的预测流程。

十二条区间究竟表示什么

本例为构造样本，日期用连续实验交易日编号，不对应真实交易所日历。每条记录的start是标签计算使用的第一个信息日，end是最后一个信息日，二者均包含；不是把信号生成日含糊地当作标签开始日。九条训练候选在测试信息开始前启动，编号十至十二为固定测试记录。测试标签分别用到第二十至二十五日、第二十二至三十日、第二十四至二十六日。我们只核查这一组信息重叠，没有训练任何收益预测模型。

每条训练标签可能因止盈、止损、事件到期等原因具有不同结束时点。本例只输入已经冻结的区间，不利用最后收益好坏决定删留。若标签终点是事后由路径决定的，区间清除可以用于离线评估，但在线模型仍只能用训练当时已成熟的标签。结束时点已知和标签可得不是同一句话，后者还要加入数据发布与处理延迟。

下表三列交集分别对应测试十、十一、十二。数字一表示闭区间相交；测试本身的行保留在表里方便核对边界，但不进入训练保留清单。固定gap对照按标签起点决定，删去start大于等于十五的训练候选，明确不是库函数按行计数的实现。

记录	标签首日	标签末日	与测试10/11/12相交	身份	逐条清除	固定起点gap5清除
1	1	6	[0, 0, 0]	train_candidate	否	否
2	4	14	[0, 0, 0]	train_candidate	否	否
3	8	21	[1, 0, 0]	train_candidate	是	否
4	10	11	[0, 0, 0]	train_candidate	否	否
5	12	15	[0, 0, 0]	train_candidate	否	否
6	14	24	[1, 1, 1]	train_candidate	是	否
7	16	17	[0, 0, 0]	train_candidate	否	是
8	18	19	[0, 0, 0]	train_candidate	否	是
9	19	22	[1, 1, 0]	train_candidate	是	是
10	20	25	[1, 1, 1]	test	否	否
11	22	30	[1, 1, 1]	test	否	否
12	24	26	[1, 1, 1]	test	否	否

相交判定怎样逐项执行

对训练区间[a,b]与测试区间[c,d]，条件是max(a,c)小于等于min(b,d)。例如第三条[8,21]碰到测试十[20,25]，因为交集是第二十至二十一日；它不碰到后两个测试区间。第六条[14,24]则同时碰到三个测试区间，不能因为起点早于十五就放行。第八条[18,19]在二十日前已经结束，与三个测试都不相交，即使它离测试起点很近，也没有本例定义的信息共用。

执行时先建立测试区间数组，再为每个训练候选算三次条件，最后对这一行取“任意一个成立”。不能对所有区间的平均长度取整后统一减五，也不能只比较训练结束日与测试起点之差而忽略开始日。若测试集合包含不连续的事件，取最早起点到最晚终点的整个包络虽然更保守，却可能多删夹在空白中的训练记录；要保存逐个测试区间，才能解释误删来自哪一种近似。

本例逐条清除三、六、九，留下的一、二、四、五、七、八共六条。测试十至十二始终固定，不因训练样本不够而向后移动。清除日志应同时保存相交对象与原因，而不是只留下一个最终行号数组，否则后续更换标签定义时无法区分真正重叠和旧配置遗留。

固定五日为什么既漏删又误删

固定起点法删七、八、九，只有第九条与逐条结果一致。第三条和第六条起点较早，却拖着较长的标签尾部进入测试信息范围，被漏掉；第七条和第八条的标签已经结束，却因起点靠近边界被误删。固定规则碰巧也删除三条，因此“删除数量相同”不能证明名单相同。应该比较记录身份集合，并分别输出漏删集合与误删集合。

如果条件改成所有训练标签都在起点后固定五个交易日结束，固定起点隔离才有机会等价于逐条规则，但仍需统一闭合端点、信号时点和额外可得延迟。例如结束日恰等于二十，按本例闭区间就是相交，若另一份表改成左闭右开，必须同时重写输入定义与比较运算，不能只把小于等于换成小于让结果变漂亮。区间右端缺失时，应标记未成熟或拒绝生成训练折；把缺失当作起点会制造最危险的短标签假象。

purge通过之后还要核查哪些字段

第一，核对标签使用的原始行情时间，而非文件落盘时间。盘后修订的价格、复权口径和停牌期间的标签终止规则，都可能改变信息区间。第二，核对特征是否只用了预测时点之前的数据；本表完全没有检查特征窗口，训练标签不重叠不能为未来财报回填开脱。第三，确认没有把测试之后的样本送回训练；区间不相交也不代表站在过去能拿到未来。本文九条候选均在测试前启动，仅演示清除条件，不授权双向训练。

第四，先计算完每折成熟且不相交的候选，再决定训练是否达到最低规模。清除后样本太少，应如实记作该折无法估计，不能悄悄缩短预测期或降低隔离宽度。第五，把停牌和缺失日期映射到统一交易时钟；自然日差与交易日差不是同一单位。区间法需要真实时点，它不会自行补齐缺失的数据血缘。

清除标签交集也不等于embargo。若设计允许用测试之后的数据训练，额外的后置隔离需要根据特征记忆和时间依赖另设政策；本例没有这种训练结构，不能把三条清除清单叫作完整purge加embargo协议。它能证实的是给定闭区间下名单正确，不能证实市场样本相互独立或模型未来有效。

资料支持与可复核边界

TimeSeriesSplit官方参数文档的gap定义支持“库参数按样本计数”这项区分，并未自动实现本文变长标签算法。预处理泄漏说明支持预测时点之外信息不能进入模型构建的原则；相交矩阵和固定起点反例是本页独立构造计算。复核者只需从十二对端点重算三十六个布尔值，再取前九行的并集，无须接受任何框架的黑箱返回值。

交集名单如何进入后续训练

把保留清单真正交给拟合函数之前，还应检查清除记录没有通过缓存的标准化器、特征筛选器或早停日志重新进入训练。标签行被删而预处理仍沿用删除前拟合结果，信息可能继续留在参数中。每折应保存候选集、清除集和实际拟合集三份身份集合，并核对实际拟合集等于成熟条件与不相交条件共同筛出的结果。这个集合核对不涉及模型好坏，却能发现“日志删了、训练没删”的工程错误。

继续核对研究流程时，可回到时序交叉验证母题；遇到相邻任务，再分别查看涨跌预测概率Brier校准、面板数据gap按日期切分。本文的滚动验证工具链接仅作基础流程说明，新增审计和统计计算由本页独立表格与模型交付。

道积君编辑组，AI辅助编写与核算。本文为构造教学实验，来源说明方法，数字由明示输入计算，不代表真实策略、收益预测或统计审定。

复算资料

本篇编号DJ4-056。下载Python复算脚本（文本）与构造输入输出JSON，按编号核对本篇。脚本改存为.py后可用Python标准库运行，数据不是实际用户记录。