时序验证的不可能三角

你想检验一套交易策略，手里只有十年数据。最自然的愿望是：每次训练都尽量用满十年，测试又覆盖各种行情，而且模型绝不偷看测试日之后的数据。问题在于，这三件事互相抢同一段时间。测试越往前推，当时可用的历史越少；若仍坚持大训练集，就只能把后来的数据拿去“预测”过去。

Jiayu Li 的预印本《The Impossible Trinity of Time-Series Validation》试图证明：这不是切分技巧不够聪明，而是时间顺序带来的硬约束。论文把它称为时序验证的“不可能三角”和“守恒律”。这些结论目前全部来自作者本人的预印本，尚无第三方复现；论文发布日期的搜索元数据还出现过不一致，因此不宜把它写成已经同行评审确认的普遍定律。

三个愿望，共用一笔预算

先定义三个量。 $α$ 是最弱一次训练所用的数据比例，也就是“训练充分度”； $β$ 是所有测试集合起来覆盖的样本比例； $Λ$ 是相对于某些测试点，训练集使用了多少未来数据，即“反因果质量”。

论文声称，任意长度为 $T$ 的样本划分都满足：

$α + β \leq 1 + Λ$

如果严格禁止未来数据， $Λ = 0$ ，便得到：

$α + β \leq 1$

直觉并不复杂。假设你希望测试覆盖十年中的八年，即 $β = 0.8$ 。若每个测试点都只能由更早的数据训练，那么最早那批测试面对的历史必然很短，最弱一次训练至多占全部样本的两成，即 $α \leq 0.2$ 。反过来，若要求每次训练至少用八成数据，就不可能再用严格因果的方式测试八成时期。

这里的关键是“最弱一次”。后期测试当然可以积累很长的训练历史，但早期测试没有这个条件。把各次结果平均起来，也不会凭空创造早期历史。论文进一步声称：当等长、互不重叠的测试块覆盖全部样本时，即使改看平均训练量，严格因果方案平均也至多使用约一半样本。

越过边界，就得借用未来

这条不等式也给出了越界的价格。若 $α + β > 1$ ，论文认为，某些测试点的训练集必然含有其未来样本。换句话说，高训练量和高覆盖率并非免费兼得，它们把代价藏进了前视偏差——用后来才知道的信息评估过去能否执行的策略。

论文还区分了两个容易混在一起的问题：偷看了多少未来，以及未来离测试点有多近。设 $δ$ 为测试点与最近未来训练样本的距离，它给出另一条约束：

$α + min {β, δ / T} \leq 1$

因此，一旦使用未来数据，最近的那部分未来训练数据必然距离某个测试点不超过 $(1 - α) T$ 。训练集越大，可用于拉开这段距离的空间就越少。

这解释了为什么“删除测试区附近样本”会损失训练量。Purging 是清除与测试标签窗口重叠的训练样本；embargo 是在测试块周围再留出隔离带。两者都在用样本数量换取时间距离，并没有让不可能三角消失。

真正危险的是多近，不只是用了多少

论文的统计层结论需要额外条件。它假设序列满足 $β$ -mixing——可以粗略理解为：相隔越远，两段数据的依赖越弱。若损失函数有上界 $M$ ，论文给出的单个测试点泄漏偏差上界是：

$2 M β_{m i x} (δ)$

在这一假设和上界内，决定危害的是最近未来样本的距离 $δ$ ，而不是未来样本总数。若序列很快“忘记”过去，扩大 embargo 可能迅速降低依赖；若记忆很长，隔离带就要吞掉大量训练数据。

作者用纯噪声实验展示这种差别：真实可预测性应为零，shuffled 5-fold——先打乱时间再做五折交叉验证——报告的 information coefficient（IC，预测值与实际结果的相关系数）为 $+0.32$；contiguous 5-fold——保留时间顺序、按连续区块分折——在使用相同未来数据量时仅为 $+0.004$。论文据此强调，打乱后的未来样本贴近几乎每个测试点，更容易制造虚假的预测能力。

但这只是论文中特定实验的结果。摘要材料没有完整交代样本长度、随机种子、重复次数和不确定区间，不能把两个数字当作两类方法的一般性能差。

哪种方案站在哪里

论文把 expanding walk-forward 放在严格因果验证的 Pareto frontier——帕累托前沿，也就是在不偷看未来的前提下，无法再同时提高训练充分度和测试覆盖率。它从一段初始历史开始训练，向后测试；随后扩大训练窗口，再测试下一段。初始窗口越大，最弱训练越充分，但能覆盖的测试时期越少。

普通 $k$ -fold cross-validation 则走向另一端。它让每一折都用大部分样本训练，并让全部样本轮流接受测试，但对早期测试块而言，训练集包含大量未来数据。论文因此称它在所比较的方案中“购买”了最多未来数据。这个说法描述的是论文定义下的样本划分坐标，不等于任何 $k$ -fold 在任何序列上都必然产生同等严重的偏差。

Purged $k$ -fold 加 embargo 采取折中：删掉测试块附近的训练样本，把未来数据推远。如果过程遗忘得快，这笔距离成本可能较低。不过，隔离只能缓解相邻样本依赖造成的泄漏。面对非平稳性——数据分布随时间变化——后来数据即使离得很远，也可能已经见过过去部署时不可能知道的市场状态。论文明确认为，embargo 不能修复这一层因果问题。

为什么值得关注

这篇预印本最有价值的地方，不是又推荐一种回测切法，而是要求研究者公开账本：训练最少用了多少数据，测试真正覆盖了多少时期，是否使用未来数据，以及未来数据离测试点多远。

它也提醒我们，回测没有一个对所有目标都最优的按钮。若要模拟策略当时能否执行，expanding walk-forward 更贴近真实部署，但早期训练不足会让评估偏保守。若主要做模型比较，并且有理由相信过程较稳定、依赖会快速衰减，purged $k$ -fold 加 embargo 可以用训练量换隔离距离。若标签跨越多个时期，还要把标签尚未结束和窗口重叠造成的信息泄漏一并清除。

说白了，验证方案不是“严谨”或“不严谨”的二选一。它是在几种误差之间报价。可信的回测应该说明自己付出了哪一种价格，而不是只展示最后那条漂亮曲线。

局限与未知

全部主要结论和实验数字目前只有 Jiayu Li 这一个作者来源，尚无独立论文交叉印证或第三方复现。
$2 M β_{m i x} (δ)$ 依赖 $β$ -mixing、损失上界等条件；“距离比数量重要”不能脱离这一统计框架泛化。
信息泄漏偏差、非平稳性造成的历史失真，以及普通预测误差是不同问题。不可能三角提供统一账本，但并未让它们变成同一种风险。