偶然中的必然：重采样技术检验过拟合华泰人工智能系列之十九
创建于 更新于
摘要
本报告提出采用Bootstrap重采样方法构建“平行A股市场”，针对机器学习量化选股在样本内数据、样本外数据和回测时间三个环节的随机性进行模拟检验。通过对三种交叉验证方法（K折、乱序分组递进式、分组时序）在不同平行世界中的表现对比，结果显示分组时序交叉验证方法模型性能和回测指标显著优于其他方法，且真实世界的结论在平行世界复现，表明回测过拟合风险低。此外，不同随机性来源对模型表现影响程度不同，样本内数据扰动可能削弱模型表现，回测时间选择的随机影响较大，需开发时关注训练数据质量与合理选择回测区间[page::0][page::5][page::8][page::15][page::25]。
