最新网址：www.00shu.la
铁律：永远留一手数据2010年7月26日，星期一，上午九点整。
车公庙，三十平米的办公室里，气氛比往常更严肃。
白板上还留着上周五晚上周寻写的那些字——“过度拟合防范指南（草稿）”。旁边是陆方那条“完美曲线”的打印件，被周寻用红笔画满了圈，标注着“可疑”“过拟合”“童话”。
陆方坐在电脑前，脸色还有些苍白。但眼睛里的空洞已经消失了，取而代之的是一种更沉的东西——像是刚经历过一场大病后，终于看清了自己有多脆弱的那种清醒。
陈默站在白板前，看着那几行字。
“周寻，”他开口，“上周那件事，让我们看清了一个问题。”
他顿了顿：
“我们不能再靠‘自觉’去防过度拟合。得靠制度。”
周寻点头。
他走到白板前，把那几行“防范指南”擦了，重新写下几个大字：
“默石量化研究——铁律两条”
第一条，他写：
铁律一：永远留一手数据
下面，他画了一个时间轴：
```
2005 2008 2010
|------------|------------|
训练集 样本外测试集
（用于开发） （仅用于最终检验）
```
他转过身，看着所有人：
“从今天起，我们的历史数据，必须严格分成两部分。”
他指着左边那段：
“2005年到2008年底，这是‘训练集’。用来开发策略、测试因子、优化参数。可以反复用，随便用，想跑多少次跑多少次。”
然后他指着右边那段：
“2009年1月到现在，这是‘样本外测试集’。完全不动，绝对不能碰。”
他加重了语气：
“任何策略，在训练集上表现再好，也必须通过样本外测试，才能考虑实盘。”
小林举手：
“周老师，那如果样本外测试没过呢？”
周寻看着他：
“那就说明，这个策略在训练集上的表现，可能是运气，可能是过拟合。回去重新开发，重新优化。然后用新的训练集再跑，跑完再测样本外。”
他顿了顿：
“一遍没过，就两遍。两遍没过，就三遍。直到样本外也能跑出稳定的结果，才能考虑实盘。”
小林在本子上飞快地记着。
陆方忽然开口：
“周老师，那我们现在手里的数据，只到2010年7月。样本外只有一年半，够吗？”
周寻想了想：
“不够理想。但够了。”
他走到白板前，又画了一条时间轴：
```
训练集 验证集 测试集
| | |
2005-2007 2008 2009-2010
```
“标准的学术做法，是分成三份：训练集、验证集、测试集。验证集用来在开发过程中做初步验证，防止过度依赖训练集。测试集只在最后用一次。”
他看着陆方：
“我们数据不够，做不到三份。但至少，必须保证有一份完全没碰过的数据，做最终检验。”
陆方点头。
陈默站在旁边，一直没说话。
等周寻讲完，他才开口：
“第二条呢？”
周寻走到白板前，写下：
铁律二：奥卡姆剃刀——如无必要，勿增实体
他转过身：
“什么意思？在效果相近的情况下，永远选择更简单的模型。”
他指着陆方上周那条“完美曲线”：
“陆方那条线，为什么可能是过拟合？因为参数太多。他把动量因子的回溯期从6个月优化到5个月零3周，把估值因子的阈值从30%分位数调整到27.5%，把状态识别的波动率阈值从90%分位数改成88%。”
他顿了顿：
“这些数字，有经济含义吗？5个月零3周，和6个月有什么区别？27.5%和30%有什么区别？没有。它们只是让曲线更漂亮。”
他看着所有人：
“真正的规律，应该是简单的。如果两个策略收益差不多，选参数更少的那个。如果两个参数差不多，选逻辑更简单的那个。”
他走到白板前，画了一个天平：
```
复杂模型 简单模型
参数多、拟合好 参数少、泛化强
\ /
\ /
选哪个？
```
他放下笔：
“答案：在效果相近时，选简单的。”
小林又举手：
“周老师，那如果简单模型的效果比复杂模型差很多呢？”
周寻看着他：
“那就用复杂模型。但前提是，它的复杂度必须有合理的解释。你不能说‘因为加了这五个参数，收益提高了3%’就完事了。你得说清楚，这五个参数背后的逻辑是什么，为什么它们能让模型更好。”
他顿了顿：
“如果说不清楚，那就还是简单的。”
---
上午十点，讨论进入细节。
陈默走到白板前，指着那两条铁律：
“这两条，从今天开始，是默石的铁律。任何人都不能违反。”
他看着周寻：
“样本外数据，谁来保管？”
周寻想了想：
“最好由一个人专门负责。这个人不参与策略开发，只负责保管数据和跑最终检验。”
陈默扫了一圈办公室。
六个人。有的在写代码，有的在研究因子，有的在整理数据。
他的目光停在赵姐身上。
“赵姐。”
赵姐抬起头。
“这个任务，交给你。”
赵姐愣了一下：“我？我不懂量化……”
“不用懂。”陈默说，“你只需要做一件事：把那部分样本外数据，单独存起来，谁也不给。任何人要跑样本外测试，必须通过你。你只负责执行，不负责判断。”
他看着赵姐：
“你是公司的财务，最清楚钱是怎么来的。现在，你要帮我们守住另一笔财富——数据的清白。”
赵姐沉默了几秒。
然后她点了点头。
“好。我干。”
陈默又看向陆方：
“陆方，你负责把回测框架改一下。以后跑回测，必须指定‘训练集’和‘样本外’。系统要自动禁止在样本外数据上做任何参数优化。”
陆方点头。
“小林，小吴，”陈默继续，“你们俩负责把2005年到2008年的数据，重新整理一遍。确保训练集干净、完整、可用。”
两人点头。
最后，陈默看向周寻：
“周寻，你负责写一份《样本外测试操作手册》。明确每一步怎么走，什么情况下算‘通过’，什么情况下算‘不通过’。要细，要严，不能有漏洞。”
周寻点头。
---
中午十二点，赵姐从财务室搬出来一个移动硬盘。
银白色的，很小，比手掌大一点。
她把硬盘放在桌上，看着所有人：
“这个硬盘，从现在开始，只用来存样本外数据。”
她顿了顿：
“2009年1月到现在的所有数据，都在里面。谁要用，来找我。我会当着你的面，把数据拷出来，然后看着你跑完测试。”
她看着陆方：
“跑完之后，数据必须当场删除。不能留在你们的电脑里。”
陆方愣了一下。
“这么严？”
赵姐看着他，表情平静：
“陈总说的，这是铁律。”
陆方沉默了几秒。
然后他点头：
“明白了。”
---
下午两点，周寻把那两条铁律，正式抄在了墙上那块流程白板上。
白板上原本的“默石量化研究标准流程”还在，现在下面多了两行加粗的大字：
铁律一：永远留一手数据——样本外测试是实盘的唯一通行证
铁律二：奥卡姆剃刀——复杂是敌人，简单是朋友
周寻抄完，退后一步，看着这两行字。
小林站在他旁边，也看着。
“周老师，”小林问，“这两条，是不是学术圈的规矩？”
周寻点头：
“是。但很多人不守。”
“为什么？”
“因为守规矩太慢了。”周寻说，“训练集跑完，还要跑样本外。样本外没过，还要重新开发。一个策略，可能要折腾好几个月。”
他看着小林：
“而市场不等人。你在这边慢慢测，别人的产品已经发出去赚钱了。哪怕那些产品最后会死，但至少眼下，他们在赚钱。”
小林沉默了几秒。
然后他问：
“那……我们为什么要守？”
周寻没有直接回答。
他指着墙上那条“永远留一手数据”：
“因为我们要活得久。”
他看着小林：
“那些不守规矩的人，可能今年赚大钱，明年赚大钱，后年呢？大后年呢？2008年的时候，多少赚大钱的人，一夜之间就没了？”
他顿了顿：
“我们不想成为他们。”
小林点了点头。
他看着那两行字，忽然觉得，它们不只是“规矩”。
是护身符。
---
傍晚六点，其他人陆续下班了。
陆方还坐在电脑前。
他不是在写代码。
是在看那条“完美曲线”的打印件。
那张纸被周寻画满了红圈，看起来惨不忍睹。
但他没有扔掉。
陈默走过来，在他旁边坐下。
“还在看？”
陆方点头。
“在看什么？”
陆方指着那些红圈：
“在看这些地方。周老师说，这些是过拟合的痕迹。”
他顿了顿：
“我想把它们记住。下次再看到这种曲线，一眼就能认出来。”
陈默没有说话。
他只是拍了拍陆方的肩膀。
两人一起看着那张纸，看了很久。
窗外，车公庙的夜色渐浓。
远处，深南大道上的车流亮起了灯光。
陆方忽然开口：
“陈总。”
“嗯？”
“您说，我们这条路，走得对吗？”
陈默没有立刻回答。
他想了想，然后说：
“不知道。”
他转头看着陆方：
“但我知道一件事——如果这条路走错了，我们至少知道是怎么错的。如果走对了，我们也知道是怎么对的。”
他指着墙上那两条铁律：
“以前，我们不知道。错了都不知道怎么错的，对了也不知道怎么对的。”
他看着陆方：
“现在，我们有了这个。”
陆方没有说话。
他看着墙上那两行字，看了很久。
然后他低下头，继续看那张打印件。
窗外，夜色渐深。
办公室里，只有一盏灯亮着。
灯下，一个人在学习识别过拟合。
另一个人，在旁边陪着。
这就够了。
最新网址：www.00shu.la