组合清除交叉验证（CPCV）与时序标签重叠防线

为什么经典 K 折交叉验证在金融时序中必然失效

在通用机器学习任务中，样本通常满足独立同分布（I.I.D.）假设，将数据集随机划分为 K 折进行交叉验证能够给出稳定的泛化误差估计。然而，金融资产的价格序列本质上是连续展开的随机过程，样本点之间存在显著的序列自相关性。

更为致命的是事件标签的跨期重叠。量化策略评估通常使用未来一段时间的收益率或事件触达（如 Triple-Barrier 三重障碍法）作为监督标签，这意味着单个样本的标签实际上跨越了未来的若干个交易日。如果采用常规划分，测试集期间的价格运动早已被训练集样本的标签所吸收，模型只需记忆重叠区间的收益就能取得虚假的高准确率。

清除（Purging）：消除跨越测试区间的标签重叠

清除（Purging）机制的核心在于建立严格的时序排他边界。在每一个验证折叠中，任何开始于测试集之前、但其标签评估窗口穿透或重叠进测试集起始点的训练样本，都必须被无条件剔除。

同样地，如果在测试区间内发生的操作其持有期延续到了测试期之后，该区间与后序训练集的交叠部分也必须被剔除。通过这种基于时间跨度的布尔相交检测，Purging 从物理层面上消除了由标签跨期带来的未来信息反向渗透。

禁运（Embargoing）：阻断自相关残差的隐性泄露

消除标签重叠并不足以实现真正的时序独立。金融市场具有显著的波动率聚集与长记忆性，测试集结束瞬间的微观结构状态与市场情绪，依然会持续影响测试期之后的紧邻样本。

禁运（Embargoing）机制在测试集结束点后人为施加一段冷却缓冲区（通常设置为样本自相关函数衰减至不显著所需的时长，如全样本时长的 1% 至 5%）。在此缓冲期内产生的所有样本被禁止进入随后的训练集，从而彻底切断残差序列相关性带来的信息泄露。

CPCV 与过拟合概率（PBO）的路径分布

常规的单次滚动窗口（Walk-Forward）验证只能产生单一的历史收益路径，极易受到个别宏观周期或历史偶发事件的扰动。组合清除交叉验证（Combinatorial Purged Cross-Validation, CPCV）通过将整个时序切分为 N 组并进行 C(N, k) 组合抽取，在保证每条路径经过严谨 Purging 与 Embargoing 的前提下，能够合成数十条彼此独立且经济逻辑完备的伪实盘回测路径。

基于这组伪实盘路径分布，我们可以计算策略的过拟合概率（Probability of Backtest Overfitting, PBO）。一个具备真实统计显著性的量化策略，其夏普比率在全路径分布中应当保持稳健右偏，而不是仅仅在某一条精心挑选的历史路径上表现惊艳。

坚守样本外真实性的方法论底线

在量化研究中，最危险的敌人往往不是噪声本身，而是研究者利用虚假验证工具所构建的自欺欺人幻觉。严格执行清除与禁运，用组合路径直面过拟合的真实概率，是我们在不确定的市场中守护研究诚实性的第一道防线。