前推分析
前推分析（walk-forward analysis）是一种回测流程：在训练窗口上选定参数，把参数冻结，然后在紧随其后、完全没有参与选择的测试窗口上做评估，再把两个窗口按时间向前推进，如此重复。把各个测试窗口的结果拼接起来，才是这套策略用「当时真能知道的参数」所能得到的回报。
Senzoukria · 术语表 · 更新于 2026 年 9 月
流程一步一步走
- 事先固定训练长度、测试长度、参数网格和选择规则（例如：扣除成本后净结果最高）。
- 在第一个训练窗口上跑完整个网格，按选择规则挑出一组配置。
- 把这组配置冻结，跑在紧接其后的那个测试窗口上。
- 把两个窗口一起向前滑动，重复上述步骤，直到数据用尽。
- 报告各测试窗口的拼接结果，每一段都注明为它选出的配置，并包含成本和亏损的交易。
为什么它比一次性优化更扎实
在整段历史上做一次优化，挑出来的是最贴合这段历史的那组配置，而它的资金曲线又恰恰是在用来挑选它的同一批数据上衡量的。前推分析把这两件事分开：选择发生在过去，衡量发生在相对于它而言的未来。只拟合了噪声的参数往往会在某一片上被选中，然后在下一片上失效，而这种失效会出现在拼接后的结果里，而不是被藏起来。
把各片的样本内与样本外表现放在一起比较，常被概括为前推效率（walk-forward efficiency）：训练窗口上的成绩有多少在测试窗口里活了下来。它是一项诊断指标，不是一张合格证。
会塑造结果的那些选择
| 选择项 | 取舍 |
|---|---|
| 切片数量 | 切片越多，样本外窗口越多，但每段训练期越短 |
| 训练占比 | 占比越大，拟合越好而检验越少；占比越小，检验越多但拟合基础更薄 |
| 锚定训练 对 滚动训练 | 锚定窗口从固定起点不断增长；滚动窗口长度固定，会遗忘旧数据 |
| 选择规则 | 必须在开跑之前定好；看到结果之后再改，就重新引入了选择偏差 |
在 Senzoukria 里
「回放」界面上的自动回测面板有一个开关，名为「前推分析——找出最优配置」。它的提示写明了方法：参数在每一片的前段上选出，然后在后段上评估，而后段完全没有参与选择；展示出来的结果，是这些从未被看过的片段的拼接。切片数量和训练占比在面板里设置，「待扫描参数」定义网格；在你按下「运行前推分析」之前，面板会估算组合数乘以切片数，以及预计耗时。
报告会逐片列出训练期、真实测试期和被选中的配置，并给出一个前推效率数值，配一句话的解读：策略在自己的数据之外依然成立、在样本外损失了相当一部分优势，或者结果大部分来自过拟合。另有一张「样本内 对 样本外」图，把优化器看到的曲线和你实际会拿到的曲线画在一起。
常见错误
- 不停地换选择规则重跑前推，直到效率看起来漂亮为止。
- 把样本内曲线当成结果来读。
- 切片切得太短，以至于每个测试窗口里只剩寥寥几笔交易。
- 在已经根据最后一个测试窗口调过参数之后，还把它当成未被触碰的窗口。
相关内容
其他语言版本
常见问题
- 前推分析和训练/测试切分有什么不同？
- 一次性切分只留出一段靠后的时期，而且只留一次。前推分析沿着历史把这种切分重复很多次，于是策略会在多个它从未见过的时期上被评估，每一段都用紧邻其前选出的参数。这样能从同一批数据里得到更多样本外证据，也能看出被选中的参数是否在各片之间漂移。
- 什么是前推效率？
- 它把测试窗口上取得的表现，和挑选参数的那些训练窗口上取得的表现相比较。样本外结果保留了大部分样本内结果的策略，被称为站得住；保留得很少的，基本是在拟合噪声。这个数值取决于切片方式和选择规则，所以必须和它们一起读。
- 前推分析能防止过拟合吗？
- 它是把过拟合暴露出来，而不是防止它。如果分析者在看到样本外结果之后还不断修改网格、切片或选择规则，那些窗口就换了个名字变成了训练数据。这套流程之所以有效，前提是它自身的设置在开跑之前就已固定，并且每一次运行都有记录。