AI时代：码农的涅盘重生 第87章 加入验证集(第2页/共2页)


****3*6*0**小**说**阅**读**网**欢**迎**您****
请用户自行鉴定本站广告的真实性及其合法性，本站对于广告内容不承担任何责任。

时后，程序跑出第一轮结果。

    林晨坐回电脑前，屏住呼吸看屏幕上的输出：

    第1组验证 (2010-2014训练，2015验证)：年化收益率 12.3%，最大回撤 -8.7% 第2组验证 (2010-2015训练，2016验证)：年化收益率 9.8%，最大回撤 -10.2% 第3组验证 (2010-2016训练，2017验证)：年化收益率 15.1%，最大回撤 -7.3% ... 第8组验证 (2010-2021训练，2022验证)：年化收益率 6.4%，最大回撤 -12.5%

    8组验证的平均年化收益率：10.2%，平均最大回撤：-9.6%。

    “稳了”。林晨长舒一口气。

    最关键的是，8组验证的结果没有出现极端值——没有某一年突然暴赚50%，也没有某一年巨亏30%。收益曲线相对平稳，这说明模型没有过度拟合某个特定时期的市场风格。

    他接着运行最终的样本外测试：用2010-2022年全部数据重新训练最优参数模型，然后在2023年的全新数据上测试。

    进度条再次移动。

    这一次，林晨反而没那么紧张了。如果验证集的设计是科学的，那么测试集的结果应该不会偏离太远。就像你用了正确的方法学习，考试不会突然不及格。

    二十分钟后，结果弹出：

    样本外测试 (2023年数据)： 年化收益率：8.7% 最大回撤：-11.2% 夏普比率：1.05 胜率：58.3%

    比验证集的平均表现略差，但完全在可接受范围内。最关键的是，这个模型在2023年那种震荡下跌的市场中，依然实现了正收益，最大回撤控制在12%以内。

    “这才叫鲁棒性”。林晨靠在椅背上，笑了。

    鲁棒性（Robustness）——系统在异常或危险情况下的生存能力。这个词今天有了具体的意义：就是他的模型在不同年份、不同市场风格下，都能保持相对稳定的表现。

    他看了眼时间，凌晨五点十分。

    该睡了，但他兴奋得睡不着。干脆打开实盘账户，把新的模型部署上去。不过这次，他只投入了1万元——先用小资金跑一段时间，确认实盘表现和回测一致，再逐步加仓。

    “慢慢来，这次不能再犯急功近利的错误”。他对自己说。

    部署完系统，天已经蒙蒙亮。林晨走到阳台，晨风带着深圳湾方向传来的潮湿气息。远处天际线开始浮现轮廓，那些他曾经在里面加班的大楼，此刻还沉睡在黎明前的昏暗里。

    他突然想起苏婉昨晚睡前说的话：“老公，乐乐下个月幼儿园要交下学期的学费了，八千多”。

    当时他正盯着亏损的账户，只含糊应了声“嗯，我想办法”。

    现在，看着阳台上那盆自己失业后开始养的绿萝——三个月，已经从几片叶子长得爬满了半个栏杆——林晨心里有了些底气。

    “会好起来的”。他轻声说，不知道是对绿萝说，还是对自己说。

    回到电脑前，他最后检查了一遍新的系统架构：

    数据模块：支持时间序列滚动分割

    训练模块：集成交叉验证流程

    验证模块：多期历史验证+样本外测试

    实盘模块：小资金起步，逐步扩容

    这个架构，比之前那个追求“完美回测”的脆弱系统，健壮了不止一个量级。

    关机前，林晨新建了一个文档，标题是《量化系统开发日志》。他在今天那栏写下：

    “2023年X月X日，凌晨。吃一堑长一智，终于理解了验证集的意义。模型不是要拟合历史，而是要捕捉那些能在未来重复出现的规律。就像人生经验——有用的不是某次成功的具体做法，而是那次成功背后的底层逻辑”。

    “下一步：让这个系统在实盘上跑一个月。如果表现稳定，就可以考虑增加资金了”。

    他保存文档，合上电脑。

    窗外，第一缕晨光照进城中村狭窄的巷道。粥铺的蒸汽升腾起来，新的一天开始了。

    林晨躺到床上，闭上眼睛前，脑子里闪过一个念头：

    “如果这个系统真的能稳定盈利…那我不但能解决眼前的生计问题，也许还能…”

    他没想完，就沉沉睡去。

    枕头边的手机屏幕亮了一下，是苏婉设置的闹钟：六点半。再过一小时，她就要起床给乐乐做早餐，然后赶去学校上早自习。

    而林晨，将在几个小时后醒来，继续他无人监督、自我驱动的学习之路。

    两条不同的生活轨迹，在这个小小的出租屋里交错。一个向外，面对学生和课堂；一个向内，面对代码和数据。

    但他们都相信，方向是对的。


>>>点击查看《AI时代：码农的涅盘重生》最新章节