2. 滚动窗口回测的核心概念与术语体系

滚动窗口回测的本质，是把一段历史行情切成若干“训练—测试”配对，让策略在每个配对中先看历史、再做交易，从而模拟“参数只能依据过去信息确定”的真实约束。要读懂这类回测，先要建立一套统一的术语坐标：窗口长度、滚动步长、训练段与测试段、样本外区间、参数重估频率。它们不是彼此独立的参数，而是共同决定“策略多久适应一次市场、每次用多少历史、验证多少未来”的一组耦合量。

一、五个核心术语的准确定义

设总回测区间为 [T0, T1]，按时间轴从左到右推进。一个滚动窗口由两段拼接而成：训练段（in-sample，样本内）用于估计参数，测试段（out-of-sample，样本外）用于执行并记录策略表现。训练段长度记为 L_train，测试段长度记为 L_test，两者之和构成一个窗口的总长度 L = L_train + L_test。相邻两个窗口起点之间的距离称为滚动步长 S。若 S = L_test，则窗口首尾相接、样本外区间不重叠，这是最常见也最易解释的设定；若 S < L_test，样本外区间会重叠，相当于用更多窗口“平滑”评估结果；若 S > L_test，则窗口之间出现空档，部分行情不参与任何测试。

样本外区间指所有测试段在时间轴上的并集，它是唯一可用于评价策略的区间。样本内表现只用于选参，不能作为业绩证据。参数重估频率则描述“多久重新估计一次参数”，在步进式滚动中通常等于每个窗口重估一次，其节奏由 S 决定；若采用扩展窗口（训练段起点固定、终点右移），重估频率仍由步长控制，但训练样本量会逐窗增长。

二、各要素如何影响回测结果与稳定性

窗口长度决定参数估计的“记忆深度”。训练段过短，参数对噪声敏感，容易在样本内过拟合、样本外剧烈漂移；训练段过长，参数反应迟钝，市场结构切换后仍沿用旧参数，导致样本外持续失效。测试段长度则决定单次评估的统计可靠性：太短则单窗收益被偶然性主导，太长则窗口数量减少、参数更新滞后。实践中常取训练段为测试段的 3～5 倍，例如训练 250 个交易日、测试 60 个交易日，使每个窗口既有足够估计样本，又能较快跟上市场变化。

滚动步长直接决定参数重估频率与样本外区间的重叠程度。步长越小，重估越频繁，策略适应性强，但交易成本与参数抖动上升，且重叠的样本外区间会让评估结果显得“更平滑”，掩盖单次失效；步长越大，重估稀疏，评估更接近独立，但可能错过结构转折。需要强调的是，重叠样本外区间不能简单当作独立观测来统计显著性，否则会高估策略的稳健程度。

参数重估频率还隐含一个常被忽视的约束：重估时只能使用截至该窗口训练段末端的数据，任何未来信息（包括测试段内的行情、财务数据的实际披露时点）都不得进入训练。若在重估时用了未来才公布的数据，样本外表现会被系统性高估，这是滚动回测最常见的隐性偏差之一。

三、一个可复现的示例设定

以下参数仅作为教学示例，用于说明各术语如何落到具体数值上，并非实测结果：

总区间:        2018-01-01 ~ 2024-12-31
训练段 L_train: 500 个交易日
测试段 L_test:  125 个交易日（约半年）
滚动步长 S:     125 个交易日（与测试段等长，样本外不重叠）
参数重估:       每个窗口起点重估一次
样本外区间:     各测试段并集，约 6 年

按此设定，窗口数量约为 (总交易日 − L_train) / S，每个窗口独立选参、独立测试，最后把各测试段的收益按时间顺序拼接，得到一条“样本外净值曲线”。判断稳定性时，不应只看拼接后的总收益，而应观察各窗口样本外收益的分布：若多数窗口为正、少数窗口大幅亏损，说明参数在某些市场状态下失效；若样本内最优参数在相邻窗口间频繁跳变，则提示参数曲面平坦度不足、过拟合风险较高。

把这些术语放在同一张时间轴上理解，就能看清滚动回测的取舍逻辑：窗口长度换取估计精度，步长换取适应速度，测试段长度换取评估可靠性，重估频率换取参数更新节奏。四者共同决定了策略在“稳定”与“灵敏”之间的位置，也决定了回测结论究竟有多少可信度。