19. november 2026 · research

Din walk-forward-test har tre måder at lyve om fremtiden på

Din walk-forward-test har tre måder at lyve om fremtiden på

Walk-forward-test skal besvare et praktisk spørgsmål: Hvis du gentagne gange havde tilpasset en strategi udelukkende ud fra fortiden, hvordan ville den så have klaret sig i den næste periode med usete data? Metoden lyder enkel. Vælg et træningsvindue, tilpas strategien, test den fremad, og rul så vinduet videre og gentag.

Problemet er, at en række vinduer kan se metodiske ud, mens der stadig siver information over grænserne. Jeg har set det vise sig som mistænkeligt jævne out-of-sample-afkast, parameterværdier, der virker påfaldende stabile, og handler, der tilskrives en testperiode, selvom de begyndte, før de kunne være blevet placeret.

Fejl 1: At behandle testvinduet som et rent lærred

Et testvindue begynder 1. juni. Signalet bruger et glidende gennemsnit over 50 dage, så backtesten indlæser priser fra maj for at varme beregningen op. Det er rimeligt: En live-strategi ville også føre indikatorens tilstand videre. Men hvis afkastet i testperioden begynder at tælle fra 1. maj, er opvarmningsdagene blevet til performance.

Det samme grænseproblem opstår med positioner. Antag, at strategien åbner en handel 29. maj og lukker den 3. juni. Skal profitten tælle som performance i testperioden? Kun hvis simuleringen klart definerer, hvordan den håndterer positioner, der allerede er åbne ved grænsen. Ellers kan testen arve en indgang, der blev valgt med træningsdata, og derefter tilskrive den efterfølgende gevinst til testen.

GrænsetilfældeSikker håndteringTypisk fejl
IndikatorhistorikIndlæs tidligere bars for at bevare tilstanden; begynd at evaluere ved teststartTæl afkast i opvarmningsperioden som testperformance
Åbne positionerLuk, viderefør eller udelad dem efter en fastlagt regelTilskriv en indgang før testen til testen
Ordrer og fillsKræv, at beslutningen og eksekveringen sker i testperiodenUdfør en ordre, der blev genereret før grænsen

En ren opdeling kræver en regel for tilstand, ikke kun en dato. Bevar den indikatorhistorik, som en live-proces ville have, men evaluer kun den periode, du ønsker at måle. Vær tydelig om åbne positioner og ordrer, og brug samme regel ved hver rullering.

Fejl 2: At lade handler krydse opdelingen uden en embargo

Overlappende labels skaber endnu en lækage. Forestil dig en model, der er trænet på signaler, hvor udfaldet er afkastet over de næste 5 handelsdage. Et træningseksempel fra den sidste dag i maj bruger priser fra juni til at afgøre, om forudsigelsen var rigtig. Hvis testen begynder 1. juni, har træningen allerede brugt en del af testudfaldet.

Det er let at overse, fordi selve feature-rækken er dateret 31. maj. Labelen rækker ind i fremtiden. En tidsopdeling, der kun anvendes på rækkernes datoer, kan ikke opdage det overlap.

Fjern træningseksempler, hvis udfaldsperioder strækker sig ind i testperioden. Afhængigt af labelhorisonten og hvordan features konstrueres, bør du også lægge et mellemrum mellem træning og test. Mellemrummet, der ofte kaldes en embargo, bør svare til den periode, hvor information eller udfald overlapper. En label på 5 dage berettiger ikke til et mellemrum på 1 dag, bare fordi det får grafen til at se renere ud.

Skriv hele tidsrummet ned, som hvert træningseksempel bruger: feature-lookback, beslutningstidspunkt og udfaldsperiode. Opdel efter disse tidsrum, ikke kun efter datoen ud for hver række.

Fejl 3: At vælge vinderen, når alle folds er set

Her er den mest fristende fejl. Du kører walk-forward-test på 40 parametersæt. En kombination ser god ud på tværs af flere folds, så du vælger den og rapporterer de samme folds som bevis på, at den generaliserer.

Hvert fold kan have været uset, da den tilhørende model blev tilpasset. Men strategidesignet blev valgt, efter at du havde gennemgået alle folds. Testresultaterne har nu påvirket en forskningsbeslutning, så på eksperimentniveau er de blevet en del af træningsprocessen.

Før en dateret log over, hvilke valg der blev truffet før hver evaluering. Hvis du bruger walk-forward-resultater til at vælge parametre, features, markeder eller endda testvinduet, så gem en sidste, urørt periode til den afsluttende evaluering. Den periode åbnes én gang, efter at valgene er fastlagt. Hvis du går tilbage og tuner efter at have set den, er det ikke længere en afsluttende test.

Her er en jordnær detalje: Gem eksperimentloggen, før resultaterne kommer ind. Et regneark, der redigeres efter et lovende forsøg, er en dårlig optegnelse over, hvad du faktisk prøvede.

Hvad bør en troværdig walk-forward-rapport vise?

Rapportér opsætningen sammen med afkastene: trænings- og testdatoer, rullefrekvens, labelhorisont, håndtering af opvarmning, politik for positioner ved grænserne og hvor mange konfigurationer der blev afprøvet. Vis hvert fold såvel som det samlede resultat. Et stærkt samlet resultat, der bygger på ét heldigt vindue, bør læses anderledes end beskedne resultater, der gentager sig under forskellige forhold.

Walk-forward-test kan skabe en nyttig disciplin i strategiforskningen, men disciplinen ligger i reglerne for grænserne og dokumentationen af beslutningerne. Får du styr på dem, kan testen fortælle noget om, hvordan en forskningsproces kunne klare sig over tid. Springer du dem over, er walk-forward-betegnelsen blot pynt på et resultat, der allerede har set fremtiden.

walk-forward-testovertilpasningbacktestingstrategiforskning
← Alle indlæg