Phân tích và chỉ số

Kiểm định ngoài mẫu

Bởi Jarosław Wasiński (EN) • Đã xuất bản: 25 Th5 2026 • Đã cập nhật: 23 Th10 2026

Dữ liệu được giữ ngoài việc lựa chọn chiến lược và điều chỉnh tham số, rồi dùng để đánh giá hiệu quả trên các quan sát chưa thấy. Khi kết quả được dùng để định hướng thay đổi tiếp theo, dữ liệu ấy không còn là mẫu giữ lại sạch cho chiến lược đã sửa. Không có tỷ lệ phần trăm hoặc số giao dịch cố định bảo đảm phép kiểm thử có ý nghĩa; hãy tránh rò rỉ và tính chi phí thực tế.

Ví dụ dùng cách viết số tiếng Anh: dấu phẩy phân tách các nhóm hàng nghìn, dấu chấm phân cách phần thập phân. 1,000 nghĩa là một nghìn; 1.25 nghĩa là một và một phần tư.

Ví dụ. Quy tắc được phát triển trên dữ liệu 2020–2023, lựa chọn bằng dữ liệu xác thực riêng năm 2024, rồi phiên bản đóng băng được đánh giá trên tập kiểm thử năm 2025 chưa từng đụng tới. Kỳ vọng +0.30R trong phát triển so với +0.08R trong kiểm thử không xác định một nguyên nhân duy nhất. Nếu bộ lọc thay đổi sau khi xem năm 2025, năm đó không còn là OOS sạch cho phiên bản sửa đổi.

Mẫu phải riêng lựa chọn

OOS có nghĩa là dữ liệu chưa được dùng để lựa chọn chiến lược đang được đánh giá, chứ không chỉ là tệp có tên khác. Chọn tham số, công cụ hoặc ngoại lệ sau khi xem tập kiểm thử cũng là sử dụng thông tin của tập đó. Có thể tiến hành minh bạch các vòng nghiên cứu tiếp theo, nhưng cần phân biệt xác thực trong phát triển với kiểm thử cuối cùng. Lưu quyết định và phiên bản để biết rõ nhà phát triển mô hình thực sự chưa từng thấy thông tin nào.

Trình tự, rò dữ liệu

Xáo trộn ngẫu nhiên chuỗi thời gian thị trường có thể trộn thông tin tương lai với quá khứ. Chỉ ước lượng phép chuẩn hóa, lựa chọn đặc trưng và ngưỡng bằng dữ liệu có sẵn trước tập kiểm thử. Giao dịch hoặc nhãn bao phủ một khoảng tương lai có thể vượt ranh giới mẫu; xác định cách loại trừ phù hợp với thời hạn của chúng. Chỉ có khoảng cách trên lịch không loại bỏ mọi rò rỉ. Xem tài liệu rò dữ liệu scikit-learn để có ví dụ.

Kết quả yếu nghĩa gì?

Các nguyên nhân có thể gồm quá khớp, điều kiện thị trường thay đổi, chi phí cao hơn, lỗi triển khai hoặc bất định do mẫu nhỏ. Điều tra để chẩn đoán thay vì tự động kết luận là quá khớp. Báo cáo số giao dịch đã hoàn tất, độ phân tán và mọi khoản phí. Giai đoạn OOS dương ngắn cũng không phải chứng nhận sinh lời; đó vẫn là ước lượng theo một mô hình và cửa sổ đo lường cụ thể.

Tài liệu giúp tái lập

Giữ phiên bản mã, dữ liệu nguồn, lịch công bố và thông số sản phẩm. Xác định cách xử lý vị thế mở vượt ranh giới mẫu và cách cung cấp lịch sử khởi tạo cho chỉ báo. Quan sát quá khứ dùng để tính chỉ báo khác với kết quả tương lai dùng để chọn tham số. Hồ sơ cần tái hiện đúng phiên bản kiểm thử, không âm thầm đưa kiến thức từ giai đoạn sau vào lần đánh giá trước.

Quy trình thực hành

Ghi ranh giới mẫu, dấu thời gian thông tin có sẵn, tiêu chí đánh giá và kế hoạch hành động trước khi đọc kết quả. Giữ đầy đủ chi phí và quy mô có thể so sánh. Nếu kiểm thử dẫn đến thay đổi, hãy bố trí một lần đánh giá trung thực mới trên dữ liệu về sau, thay vì tuyên bố các quan sát trước vẫn chưa bị đụng tới. Trong khóa học: kiểm thử lịch sử và kiểm thử tiến về sau. Nguồn kiểm tra 11 tháng Mười 2026.

Sơ đồ và ví dụ tính toán

Đồ họa giáo dục: kiểm định ngoài mẫu — Sơ đồ giáo dục; dữ liệu, giả định mô hình ghi trong hình.
Mở đồ họa kích thước đầy đủ

Câu hỏi thường gặp

Chia 70/30 luôn đủ?

Không. Cách chia phù hợp phụ thuộc vào thời hạn, số quan sát, sự phụ thuộc và quá trình lựa chọn.

Xem OOS nhiều lần được?

Có, nhưng nếu việc đó ảnh hưởng đến mô hình hoặc lựa chọn, các quan sát trở thành dữ liệu nghiên cứu, chứ không còn là tập kiểm thử cuối cùng sạch.

← Quay lại bộ thuật ngữ đầy đủ