样本外验证的进阶用法：把口径说清楚

样本外验证，指的是把数据分成两部分：一部分用于建立模型或总结规律，称为样本内；另一部分不参与拟合，只用来检验前者在新数据上是否仍然成立，称为样本外。它的价值不在于给出某个确定结果，而在于回答一个问题：换一批数据，原来的结论还站得住吗？对普通投资者而言，理解它的口径细节，比记住任何单一结论都更重要。

（1）定义边界要写清。样本外不等于“以后的数据”，也不等于“随机抽一部分”。它首先要求样本外数据在时间或空间上与样本内数据没有重叠，其次要求划分方式在检验之前就已确定。常见做法有两种：一是按时间切分，用较早区间拟合、较晚区间检验；二是按标的或截面切分，用一组标的拟合、另一组标的检验。两种口径回答的问题不同，前者侧重时间上的稳健性，后者侧重横截面上的可迁移性。

（2）计算前提要交代。样本外检验通常需要几个前提：样本内与样本外来自同一数据生成过程；样本外区间足够长，能覆盖不同市场状态；检验指标在样本内外使用同一套计算规则，包括调仓频率、交易成本假设、停牌与退市处理等。如果样本内用了复权价、样本外用了不复权价，或者一边计入成本、一边不计入，比较就失去意义。数据来源方面，价格、成交量、财务指标等一般以交易所、登记结算机构或上市公司法定披露为准；第三方数据商的加工口径可能不同，使用时需注明版本与字段定义。

（3）一个可复现的复盘例子。假设某研究在样本内区间（例如某指数较早的若干年）发现“低估值组合表现优于高估值组合”，随后在样本外区间（同一指数较晚的若干年）重复同一规则：每期按估值指标排序、分组、等权持有、定期调仓，并计入相同的交易成本。复盘时依次记录：样本内外区间起止、分组数量、调仓频率、成本假设、数据来源与字段。若样本外结果与样本内方向一致，只能说明在该口径下结论未被推翻；若不一致，则需检查是口径变化、样本量不足，还是规律本身不稳定。整个过程不涉及对未来的判断，只是对已发生数据的重新计算。

（4）常见口径陷阱。一是“样本外”被反复使用，多次调参后它实际上已变成样本内；二是幸存者偏差，样本外只保留了当前仍存在的标的；三是前视偏差，用了当时尚不可得的信息；四是区间选择偏差，只展示表现好的区间。把这些口径写在报告里，读者才能判断结论的适用范围。

把口径说清楚，样本外验证才是一次可复核的检验，而不是一句口号。它不保证结论永远成立，只保证在明确规则下，结论曾经被独立数据检验过。