第238章：确立研究范式 (第2/3页)
在那四步流程的旁边，写下一行大字：
“严禁根据近期市场表现倒推”
他放下笔，看着所有人：
“什么叫‘倒推’？就是看到最近某个板块涨得好，就去编一个因子来解释它。比如新能源涨了，就编一个‘新能源因子’。创业板涨了，就编一个‘创业板因子’。”
他顿了顿：
“这种因子，十有八九是过拟合的。它们在历史上可能根本没有意义，只是恰好拟合了最近几个月的行情。一旦风格切换，第一个死的就是它们。”
他看着周寻：
“这个叫什么来着？”
周寻说：
“数据窥探偏差。Data Snooping Bias。”
陈默点头：
“对，就是这个。我们做研究，不能用‘后视镜’去看问题。必须回到过去，站在当时的信息条件下，模拟真实的决策过程。”
他指着墙上那张流程图：
“所以，这四个步骤，必须严格按顺序来。先有假设，再回测验证。不准先看到好结果，再回头编故事。”
他扫视一圈：
“能做到吗？”
没有人说话。
但每个人都点了点头。
---
上午十点，流程讨论进入细节。
小林举手：“陈总，您说的那个‘数据窥探’，如果我们在研究过程中，看到一些有意思的规律，能不能反过来去想背后的逻辑？”
陈默看向周寻。
周寻想了想：
“可以。但要分两步走。”
他走到白板前，画了一条时间轴：
“假设你观察到，过去三个月，某类股票表现特别好。你可以去想，这是什么原因？然后提出一个假设——比如，可能是财报超预期的股票在季报后有持续动量。”
他指着时间轴上的“观察点”：
“这个观察，可以作为假设的来源。但验证这个假设，不能用观察到的这段数据。必须用观察点之前的数据做训练，观察点之后的数据做验证。”
他顿了顿：
“这叫‘样本外测试’。如果观察点之后的表现和观察期内一致，那这个假设才值得信。”
小林在本子上飞快地记着。
小吴忽然举手：
“周老师，那如果我们跑了很多因子，发现其中几个表现特别好——这算不算数据窥探？”
周寻看着她：
“算。而且是很典型的一种。”
他走到白板前，画了一个新图：
因子A 因子B 因子C 因子D 因子E
回测1 好 差 好 差 差
回测2 差 好 好 差 好
回测3 好 差 差 好 好
“如果你测了一百个因子，然后挑出表现最好的五个——这五个，大概率是运气。因为在随机数据里，总会有一批因子表现特别好，哪怕它们毫无意义。”
他看着小吴：
“这叫‘多重测试偏差’。测的因子越多，偶然发现好结果的概率越大。所以，我们必须用‘样本外测试’来验证——选出来的因子，必须在没见过的数据上重新跑一遍，才能证明它不是运气。”
小吴点头。
陈默听着这些，忽然想起什么。
“周寻，”他问，“你说的这些，在学术界有标准做法吗？”
周寻点头：
“有。一般会把历史数据分成三部分：训练集、验证集、测试集。”
他走到白板前，画了一个新图：
```
历史数据
├── 训练集 (60%): 用来开发策略、调整参数
├── 验证集 (20%): 用来验证策略稳定性、防止过拟合
└── 测试集 (20%): 只在最后用一次，评估真实表现
```
“训练集可以反复用，不断优化。验证集可以偶尔用，检查策略是否过拟合。测试集——只能跑一次，跑完就不能再改。这个结果，才是真正有说服力的。”
他看着陈默：
“我们现在的数据只有五年，分三段的话，每段太短了。但至少，我们可以留出最后一年做‘样本外测试’。”
陈默想了想：
“那就从2009年1月到现在，作为样本外。2005到2008年，作为样本内。所有因子开发，只能用2008年底之前的数据。2009年以后的数据，谁也不许碰。”
他看着所有人：
“这是纪律。”
没有人说话。
但每个人的表情，都比刚才更认真了。
---
中午十二点，流程讨论暂告一段落。
陈默让赵姐去楼下买盒饭，自己站在白板前，看着那张流程图。
周寻走到他身边。
“陈总，”他说，“您刚才说的那些，比我想象的更细。”
陈默看着他：
“细吗？我觉得还远远不够。”
他指着那张图：
“假设、回测、分析、归因——这只是框架。里面还有无数细节：数据怎么清洗，参
（本章未完，请点击下一页继续阅读）
『加入书签，方便阅读』
第238章：确立研究范式 股海弄潮