🔬 CPCV · Combinatorial Purged Cross-Validation

完整理解 CPCV——量化回测防过拟合的现代标准方法,来自 Marcos López de Prado 的工作。

什么是 CPCV

CPCV(Combinatorial Purged Cross-Validation,组合 purged 交叉验证)是一种针对时间序列的交叉验证方法:把时序数据切成 N 个块,做组合式的训练/测试划分(总共 C(N, k) 种),并在训练与测试之间设置 purge / embargo 来防止信息泄漏。

为什么不能直接用 K-fold:股票数据有自相关 + 趋势,K-fold 随机划分会把相邻样本同时放进训练和测试,造成信息泄漏,回测结果虚高。

为什么 walk-forward 不够:Walk-forward 给一个单点估计(单一时间窗划分),无法回答"如果换一个划分会不会很糟?"——CPCV 给出分布而非单点。

Purge 和 Embargo

• Purge:训练集中删除与测试集时间上重叠的样本(标签可能用到未来信息);
• Embargo:测试集起点向后延后一小段(比如 5-10 天),防止训练末段的样本与测试起点存在序列相关泄漏。

二者缺一不可。CPCV 完成训练-测试切分后,这两步是默认动作。

与 DSR 配合

CPCV 给出回测指标的分布;DSR(Deflated Sharpe Ratio) 进一步对"试了多少次"做显式校正——二者配合是当代量化研究的标准防过拟合工具。

深度阅读

• 📐 量化回测如何防过拟合:CPCV + DSR(完整中文)
• 🌐 How to Prevent Overfitting: CPCV + DSR(English)
• 📖 因子挖掘方法论(CPCV 是其中一环)
• 📚 术语:CPCV / DSR / overfitting / OOS
• ⚖️ 对比:CPCV 在 Qlib / Backtrader 中的支持

在 A 股量化中的实际意义

A 股市场结构(T+1、涨跌停、北向资金间断、节假日)给时序划分增加了复杂度。CPCV 的组合性 + purge/embargo 让回测结果在面对节假日跳空、政策事件、节后开盘异常等情形时仍然鲁棒。

如果你的策略经过 CPCV 多组划分 + DSR 校正后仍显著,它比一个高 Sharpe 的单次回测可信得多——这是 A 股量化研究的最低纪律线。