滚动前进验证：别只考一次试，让它每年都重考一遍

你大概已经知道不能拿全部历史来调参了，所以你很规矩地做了这件事：五年数据，前三年拿来找参数，后两年一次都不碰，留着验证。后两年的成绩看着也还行，没有前三年那么亮眼，但是正的。

于是你上真钱。半年之后，又不行了。

这时候你会很困惑：我明明留了样本外啊。困惑是对的，因为你确实做了正确的动作——只是你把一场需要反复参加的考试，只考了一次。

先说人话：一次期末考，还是十二次月考

想象你要评价一个天气预报员。

一种评法：让他把 2019 年到 2021 年的历史气象资料研究个透，然后一口气预报 2022 和 2023 两整年的天气，最后对一次答案。答对率八成，不错。

另一种评法：让他用手上已有的资料预报下个月，月底对答案；然后把这个月真实发生的天气也交给他，让他重新消化一遍，再预报下下个月；如此往复，滚二十四次。最后你手上有二十四张成绩单。

两种评法都用到了「他没见过的日子」，但你心里清楚哪一种更能说明问题。第一种，他有可能只是恰好赶上那两年天气特别有规律；而且这两年里他的知识一直停在 2021 年，越到后面越过时。第二种，你看到的不只是一个平均分，还看到了他的成绩在时间上怎么起伏——是每个月都稳定七八分，还是有三个月满分、九个月不及格凑出来的平均分。

滚动前进验证（walk-forward，也常被叫作「滚动回测」「前进分析」）就是第二种评法。窗口往前滚，每次用前面一段时间的数据把系统调好，然后拿去在紧接着的那一段时间上跑，跑完把这一段也纳入已知信息，再往前滚一格。

这里的「回测」是指拿历史数据假装重走一遍、看看会赚会亏的动作，术语卡在 回测。

对你的决策意味着什么

把历史一刀切成「训练段 + 验证段」这件事本身没错，错在它只给了你一个样本。

具体哪里不牢靠，有三层：

第一层，那一次样本外考试的成绩，本身是个随机数。 你切在 2021 年年底，验证段就是 2022—2023；切在 2020 年年底，验证段换成另外两年，结论可能整个翻过来。一个只有一次观测的实验，你没办法区分「这套逻辑成立」和「这两年正好合它的胃口」。样本内与样本外的完整分界，样本内与样本外 那篇讲得更细，这里只说它的不足。

第二层，你的知识被冻结在切分点上。 一刀切的做法里，系统的参数是拿 2019—2021 年定下来的，然后就一动不动地用了两年。可现实中没人这么干——真实的使用方式是每隔一阵子拿最新数据重新看一眼。你验证的那个东西，和你实际会用的那个东西，不是同一个东西。

第三层，也是最要命的一层：那段样本外，你会忍不住反复用。 第一次验证成绩不好，你回头改改规则，再验一次；改到第五次终于好看了。这时候那段「样本外」早就被你看了五遍，它已经变成了样本内，只是你自己不承认。这条路的尽头就是 过拟合——把历史里的噪音当成了规律。

滚动前进不能消灭这三个问题，但它把第一个问题从「一次观测」变成「十几次观测」，把第二个问题直接解决掉（因为它就是按你真实的使用节奏在重演），第三个问题它也没办法，那得靠你自己的纪律。

它更诚实的地方在于：它衡量的不是「这套规则好不好」，而是「这套不断被重新调整的流程好不好」。 这两者的差别，就是「这把刀锋利吗」和「这个人磨刀的手艺好吗」的差别。你实盘里真正依赖的是后者。

窗口到底怎么排

这一节是本篇的骨头，值得慢慢看。排窗口只需要定三个东西，但每一个背后都藏着一个你必须表态的假设。

三个要素

训练窗有多长。 往回看多少数据来定参数或训模型。太短，参数被最近几个月的噪音牵着走；太长，你等于假设五年前的市场和现在是一回事。

验证窗有多长。 定好参数之后，拿去用多久才重新调整一次。这个长度必须和你实盘真实的调整频率对齐——如果你实盘打算一个季度重估一次，验证窗就该是一个季度。填一个和现实不符的数，验证出来的东西就没有对应物。

每次往前滚多远。 通常就等于验证窗的长度，这样各段验证期首尾相接、互不重叠。为什么必须不重叠？因为重叠的话，同一段行情会被算进成绩两次，你手上那十几张成绩单就不再是十几个独立的观测，而是被复制过的少数几个。

把所有验证段按时间顺序拼起来，你会得到一条连续的资金曲线——这条曲线上的每一天，都属于当时的系统没见过的数据。这才是滚动前进真正的产出物，不是那个平均收益数字。把总长度和训练窗、验证窗、步进这三个窗口长度填进 Walk-forward 切分器，就能把窗口一格一格排出来，一眼看到自己这么切一共能得到几段验证期。

滑动还是扩张：这是个关于市场的表态

窗口往前滚的时候，训练段的起点跟着走，还是钉在原地？

• 滑动窗口：训练段长度固定，整体往前挪，老数据从后面掉出去。
• 扩张窗口：起点不动，末端往前伸，训练段越滚越长，历史全留着。

qlib 的滚动任务生成器把这两种滚法直接写成了两个常量，一行注释就说清了区别：

class RollingGen(TaskGen):
    ROLL_EX = TimeAdjuster.SHIFT_EX  # fixed start date, expanding end date
    ROLL_SD = TimeAdjuster.SHIFT_SD  # fixed segments size, slide it from start date

它默认走扩张：训练段用扩张方式增长，而验证段和测试段的长度保持不变，只是整体往前平移。

这不是个技术选项，是个投资观点。选滑动，你在说「市场结构会变，太老的数据是干扰而不是信息」；选扩张，你在说「底层规律是稳的，数据越多估计越准」。这两句话都可能对，但对的场合不一样——短周期的价格行为规律更接近前者，长周期的估值与均值回复更接近后者。你至少要知道自己选了哪一句。

中间那道隔离带

训练段和验证段直接首尾相接，看起来天经地义，其实经常出事。

问题出在「答案是什么时候揭晓的」。假如你训模型时用的答案是「未来十个交易日的涨跌」，那么训练段最后那十天的样本，它们的答案其实落在验证段的开头。这些样本一旦进了训练集，模型就等于提前看过了验证段前十天的走势——这就是标准的 前视偏差，只不过它是从窗口边界渗进来的。

qlib 专门为这件事留了一个参数，函数注释写得直白：

def trunc_segments(ta: TimeAdjuster, segments, days, test_key="test"):
    """
    To avoid the leakage of future information, the segments should be
    truncated according to the test start_time
    """

做法就是把非测试段的尾巴按测试段起点往回截掉若干天，硬生生挖出一道空隙。这道隙的宽度不该拍脑袋，它由你的答案需要多久才能揭晓决定。

同一份代码的示例任务里还有一句注释挂在验证段上，提醒别把测试段的未来信息泄进验证段——训练、验证、测试三段的先后关系，在滚动里每滚一格都要重新守一遍。

还得往前多留一段数据

窗口不是从训练段第一天开始就能用的。绝大多数指标要攒够若干根 K 线才能吐出第一个有效值，模型的特征也一样。所以你实际需要的数据起点，比训练段起点还要更早一截。

freqtrade 的机器学习模块在文档里把这笔账算得很细：要回测某个时间段，得把数据起点往前推「训练窗长度 + 指标预热所需的 K 线数」，否则第一个窗口就是残的。这笔账很容易被漏掉，因为它不在窗口本身的三个参数里，却决定了你的数据得从哪天开始下载。

系统层：同一个词，三种不同的东西

看过三个真实系统怎么实现它，你对这个概念的理解会牢固很多——尤其是会发现，「walk-forward」这个词在不同系统里指的根本不是同一件事。

一 · 真正的滚动重训练

freqtrade 的机器学习模块把窗口切分做成了一个直白的循环。它要用户提供两个参数：训练窗的天数，以及「用多少天就滑一次窗、重训一次」的天数。切分逻辑的核心只有几行：

while True:
    if not first:
        timerange_train.startts = timerange_train.startts + int(bt_period)
    timerange_train.stopts = timerange_train.startts + train_period_days
    first = False
    ...
    # 验证段紧接着训练段结束的那一刻开始
    timerange_backtest.startts = timerange_train.stopts
    timerange_backtest.stopts = timerange_backtest.startts + int(bt_period)

读一遍就明白窗口是怎么排的：训练段的起点每轮往前挪一个「验证窗长度」，终点始终是起点加上固定的训练窗长度——所以这是滑动窗口；验证段的起点严格等于训练段的终点，长度就是那一步的步长。首尾相接，不重叠。

它的文档里有两处非常诚实的说明，比代码本身更值得记住。

一处是关于成本：整段时间除以「多少天滑一次」就是需要训练的模型个数。想让验证更接近实盘，就得把滑动步长调小，而步长每缩小到十分之一，训练次数就涨十倍。文档直接承认，把自适应训练完整回测一遍会非常慢，并给出了一个反直觉的建议——真想测它，不如让它在模拟盘上一直跑着自己训。这句话的潜台词是：滚动前进验证的保真度和它的计算成本是死死绑在一起的，你只能在两者之间选位置。

另一处是关于泄漏：文档说明，目标值（也就是「答案」）是每个窗口各算一次的，所以不会看到未来；但特征的定义是在整段时间上一次性做完的，因此特征本身是否偷看未来，得由写策略的人自己保证。这是个很关键的边界——滚动的框架只能保证窗口切得对，它保证不了你在特征里干了什么。

二 · 任务生成：把一次实验拆成一串实验

qlib 的思路更抽象一层。它不直接跑回测，而是把「一个任务」按时间切成「一串任务」，每个任务自带各自的训练段、验证段、测试段，然后交给下游批量执行、批量收集结果。

它的滚动模块在类注释里对自己的定位交代得很清楚：这个模块只负责离线地把一个任务按时间切成一串任务，它和「在线服务时不断更新模型」是两回事，共用的只是任务生成那一层。

这个区分对你有实际意义：离线滚动是用来评估的，在线更新是用来运行的。评估阶段你可以随便回头重来，运行阶段每一步都不可逆。很多人把前者的结论直接当成后者的承诺，中间那道坎就是这里。

滚动步长在这里是「每次往前推多少个交易日」，代码里给了个默认值，实际用的时候当然要按你自己的调整节奏改——记住它是当前版本的默认值，可配置，不是什么推荐值。

三 · 「分段一致性检查」：名字一样，做的事不一样

Vibe-Trading 里也有一个叫 walk-forward 的东西，但它做的是另一件事，这一点必须说清楚，否则很容易误读它的输出。

它接收的是一条已经跑完的资金曲线，把这条曲线按长度均分成若干段（默认分成 5 段，可配置），逐段单独计算这一段的收益、夏普比率（一个把收益按波动大小折算过的比值，术语卡见 夏普比率）、最大回撤和胜率，最后汇总两个东西：有几段是赚钱的，以及各段之间的离散程度。

returns_list = [w["return"] for w in windows]
profitable_windows = sum(1 for r in returns_list if r > 0)
...
"consistency_rate": round(profitable_windows / n_windows, 4),
"sharpe_std": round(float(np.std(sharpes_list)), 4),

它的模块开头把自己归类为「统计校验工具」之一，和蒙特卡洛置换检验、自助法夏普区间并列——三个互相独立的工具。看清楚了：这里没有重新训练，也没有重新选参数。它切的是结果，不是流程。

这种检查有它自己的价值：一条总收益漂亮的曲线，如果拆开发现是某一段暴赚、其余全亏，那这个「漂亮」的可复制性极低。它回答的是「这条曲线的成绩在时间上均匀吗」。但它回答不了「换一段时期重新定参数，还能定出好参数吗」——而后者才是滚动前进验证的本职。

它治不了什么

它治不了数据本身的毛病。 前视偏差、幸存者偏差这类问题是长在数据里的，你把窗口滚一百遍，每一遍都带着同样的污染。滚动只重排时间，不清洗数据。

它自己也能被过拟合。 训练窗多长、多久滚一次、用滑动还是扩张——这些都是可调的旋钮。你把它们调到某个组合让整条拼接曲线最好看，那你只是把过拟合从「策略参数」这一层挪到了「验证设置」这一层，性质完全没变。判断方法也很直接：如果训练窗从两年改成两年半，结论就翻了个个儿，那这个结论本来就不成立。这和参数本身的稳健性是同一个道理，参数高原与参数尖峰 那篇讲的判据在这里同样适用。

单个窗口的数字不可当真。 窗口切得越细，每一段里的交易笔数就越少，少到十几笔的时候，那一段的胜率和夏普基本是噪音。看滚动结果要看整体的分布形状，不要盯着某一格说「你看这段多好」。小样本为什么骗人，大数定律与赌徒谬误 那篇是从概率角度讲的，结论一致。

一致 ≠ 能赚。 每一段都稳定小亏，也是完美的一致性。一致性只说明结果可复制，不说明结果是正的。这两件事得分开看。

它没法回答「什么时候该停」。 滚动结果告诉你这套流程在过去十几个窗口里表现如何，它不会告诉你第十七个窗口失效时你怎么察觉。那是实盘监控的事，属于另一套话题。

小结

• 一刀切的样本外只考了一次试；滚动前进是把这场试重复十几次，并且每次都用当时能拿到的数据重新调整一遍系统。
• 排窗口只定三件事：训练窗多长、验证窗多长、每次往前滚多远。验证窗长度必须和你实盘真实的重估节奏对齐，否则验证的不是你要用的东西。
• 滑动窗口和扩张窗口不是技术选项，是两种关于市场的假设——「旧数据是干扰」还是「数据多多益善」。
• 训练段和验证段之间要留隔离带，宽度由「你的答案需要多久才揭晓」决定，否则窗口边界会漏进未来信息。
• 保真度和计算成本是死绑的：滚得越密越像实盘，代价涨得越快。
• 同名不同物：有的系统的 walk-forward 是滚动重训练，有的只是把已有曲线切成几段看均不均匀。用之前先确认是哪一种。
• 它治不了数据污染，它自己也能被过拟合，单个窗口的数字不可当真。

一句话记住这篇：别用一次考试的成绩判断一个人，让他每年都重考一次，你才看得出他是真会还是那年题简单。

本文所引源码与文档均来自上述快照版本，是阅读代码得出的机制说明，不是运行结果；具体行为请以你手上那个版本为准。回 量化与 AI 投研概念库 看其它概念各自在说什么，或从 量化与 AI 投研卷 顺着读；本站内容为投资教育，不构成任何投资建议，边界见 免责声明。