AFML读书笔记--Cross-Validation in Finance

Advance Finance Machine Learning读书笔记

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA版权协议，转载请附上原文出处链接和本声明。

本人失业在家，正在读刚买的Advance Finance Machine Learning（AFML），基于此书全是英文，有些知识点需要再次整理与巩固，所以写一下这个系列。
之前有搜到大神weixin_38753422的AFML系列。写得很详细并且有代码和图片解释，链接在此
此系列从Part 1 Chapter 3开始写起，Chapter3之前内容可以在上面的链接里看到。（注意并不是所有内容的整理，而是我个人觉得需要整理的内容）

本文讲的时Part 1 Chapter 7 Cross-Validation in Finance(金融数据中的CV)
Chapter 6 是关于Bagging 和 Boosting的 没啥好整理的，站内一搜全是关于这个的资料

在Finance中的CV和普通CV有什么不同

CV的目的就是防止模型的Overfitting，但是在金融数据中如果按照正常流程的CV，不仅防止不了过拟合，反而还会超参搜索的过程中导致过拟合。

K-Fold CV为什么不起作用

1. 数据不能保证是服从IID过程的。
2. 测试集在构建模型的过程中被使用了很多次

数据泄露

数据泄露（Leakage）：当训练集内的信息，出现在了测试集上，就代表有数据泄露发生。

例子：
一个序列相关的特征$X$,对应着它的标签 $Y$是从一组Overlapping的Data上采集的
1.因为是序列相关，所以$X_t\approx X_{t+1}$
2.因为是Overlapping的数据点，所以$Y_t\approx Y_{t+1}$
假设，$t$ 时刻数据点和 $t+1$ 时刻的数据点分布在不同的数据集上，那么数据就已经泄露了
结果：数据泄露导致模型分辨不出哪些特征具有预测信息，而哪些没有。
（注意：当$X_i$与$X_j$是Overlapping，只要$Y_i$与$Y_j$相互独立，信息就不会泄露）