时间序列验证与信息泄漏

预测方法不是一个脱离时间的公式。它先接收记录，再拟合预处理和模型，最后等预测目标成熟，才能计算误差。本篇沿一段真实历史重放，把这些时点放回计算中。读完后，你应能为一个预测原点列出完整信息账本，指出违规发生在哪一步，而不只是看到好成绩便怀疑“有未来函数”。

1. 在 2009 年末，我们到底算了什么？

仍使用 202607 CRSP 数据库 vintage 下由当前 CIZ 生产链重建的 BusEq 月收益快照：1990-01—2025-12，共 432 月，无目标窗口缺失，百分数除以 100 后运算。它是历史计算材料，不是逐月当时可见的资料集合。先约定教学时钟：月份结束后可知该月收益，并预测下一月。来源真实发布时间和系统接收延迟没有在这份行业组合文件中重建。¹

以预测 2010-01 为例，训练目标为 1991-01 至 2009-12 的 228 行。1990 年只供最大 12 期滞后预热；各模型不能各自多取一批较早目标行，随后再比较不同样本的误差。

注意两个容易混在一起的范围：训练标签可以到 2009-12，而训练滞后特征最晚到 2009-11；2009-12 收益作为本次新输入出现。标准差必须说明“在哪些行上估计”，不能只写含糊的“用了截至今天的数据”。²

2. 把一次预测写成可重复的过程

给定候选 \((p,\lambda)\)，在每个目标月 \(t\) 之前依次做：

train = 已成熟的共同目标行 1991-01,...,t-1
X_train[s] = (r[s-1],...,r[s-p]); y_train[s] = r[s]
从 X_train 拟合 mean、sd，不从完整文件拟合
Z_train = (X_train-mean)/sd
拟合不惩罚截距的 RSS/n + lambda*||beta||²
对 x_new=(r[t-1],...,r[t-p]) 使用相同 mean、sd
输出并保留 prediction[t]；目标成熟后才添加 error[t]

这是扩展窗口：起点固定，终点随原点推进。滚动窗口则只保留固定长度的最近历史；二者估计目标与适应变化的方式不同，不是“移动原点”就自动意味着训练长度固定。FPP3 的 rolling forecasting origin 指评价原点向前滚动，其示例训练集可以扩展。³

本实验用 2010—2019 的 120 个原点比较 12 个回归候选与两条基线。选择完成后，进入 2020—2025 的 72 月历史评价：\(p,\lambda\) 或基线身份已冻结，但模型系数仍按照原定扩展规则逐月重估。冻结超参数不等于冻结所有系数，也不等于禁止合法的新标签进入训练。²

例如下一原点预测 2010-02 时，2010-01 收益已按教学时钟成熟，训练行增至 229。这时使用它是正常更新；把它提前用于 2010-01 的预测则是信息越界。残差来自参与拟合的数据，预测误差来自该原点尚未参与拟合的目标，两者不能混报。⁴

3. 一个真实对照：越界不一定让分数更好

我们故意构造一个错误版本：每个原点都用完整样本的滞后特征列拟合标准化参数。该池含目标月份 1991-01—2025-12 的特征行，最晚原始特征收益到 2025-11。对 2009 年末的原点而言，它显然包含未来信息。拟合标签仍只取过去，以便隔离“标准化范围”这一项变化。

表内三列误差单位均为百分点/月。OLS 的差异只有浮点量级；ridge 的越界版本反而稍差。我们不改参数来制造“泄漏让曲线更漂亮”的效果，因为要检验的是信息使用，而不是预先安排一个方向的答案。²

为什么 OLS 会不变？设原输入 \(x=m+Dz\)，\(D\) 为对角非奇异尺度矩阵。仿射预测函数可写成

在有截距、斜率无约束、同一转换作用于训练和新输入时，这是一一对应的重参数化。OLS 最小化相同的残差集合。本例每个训练设计都满列秩，因此唯一预测函数被对应起来，样本外预测也相同。若秩不足，只能先说训练拟合向量与解集合在映射下相同；两种坐标下软件各自挑出的最小范数系数，其样本外外推未必一样。

Ridge 则额外惩罚系数。改了 \(D\) 却仍用同一个坐标中的 \(\lambda\|\beta\|^2\)，等于改变了对原预测函数的代价，所以预测可以变。预测目标与正则化 ↗ 已推导这一点。这个特例也不意味着 OLS 对标签泄漏、未来特征选择或其他预处理免疫。

在实验中先选一个验证月份，读训练标签终点、特征尺度及输入，再打开故意越界的对照。请先说哪项记录不应出现，最后才看 RMSE；不能反过来以“分数没有改善”证明流程合法。

4. 日期排序之外，还要区分观察期、发布和接收

经济数据尤其能说明这个区别。美国 2020Q2 GDP 描述第二季度，但以下两个数并不是在季度末同时可得：

这两行是原始发布记录；它们的差为 1.2 个百分点，而非观察期移动。⁵⁶ 若信息截止在 2020-08-03，公开发布截面只能选择初值，不能把后来次值写回这个原点。

发布时点仍不等于研究系统收到、解析、完成计算的时点。没有 received_at 日志，就保留未知；不能由“08:30 发布”推出“08:30:01 系统已能下单”。历史重放可明确假设一个延迟，再研究该假设下的结果，但这不把假设变成历史事实。

前面 BusEq 的时间切分也因此有两层评价：运算确实不让后面标签参与前面拟合，但所用文件版本不是每个历史原点的原始可得版本。准确的描述是“当前冻结快照上的按时间算法重放”。只有额外恢复来源版本和接收过程，才可进一步评价当时的可执行性。

一个有分量的研究阅读例是 Kelly、Malamud、Zhou 的脚注33：作者交代了通胀数据的月度日期约定与实际发布滞后的区别。阅读论文时应把这种约定记入方法条件，而不是看到“样本外”三个字就忽略它。⁷

5. 预测三个月时，标签什么时候成熟？

假设在月份 \(s\) 结束后预测接下来三个月的复合收益：

在月份 \(t\) 结束时，训练可使用这行标签的必要条件是 \(s+3\le t\)，还要满足相关原始材料已接收。不能只因特征行的日期 \(s\le t\) 就把未来三个月的完整标签拿来拟合。

相邻原点的三个月标签会共享收益月。因此，即使每个预测都遵守信息约束，多个误差也可能相关，不能机械当作独立观测估计标准误。隔离范围应从标签成熟与评价问题推导，不是对所有时间序列统一“空三个月”。FPP3 对多步预测原点评价提供了相应结构，本篇没有为这个三个月目标运行新的 RMSE。³

6. 独立重建与解析

解释题。 在预测 2010-01 前，用全样本求标准差，随后发现 OLS 的预测完全不变。是否就证明未来标准化没有问题？

解析。 没有。计算步骤仍依赖未来信息；本例不变来自明确条件下的仿射重参数化。它只能说明这一模型恰好对这项变换不敏感。把同一流程用于 ridge、筛选变量或选择模型，结论都需要另核。应修复流程，而不是用偶然的输出不变代替信息证明。

迁移题一。 截止 2020-08-03，分析规则比较 GDP 公布值是否大于 −32。用哪一版？能否断言自己的系统 7 月 30 日 08:30:01 已得到信号？

解析。 在公开发布口径下，初值 −32.9 不满足规则；8 月 27 日才发布的 −31.7 会满足，但不能提前使用。系统是否收到及完成计算没有日志便不能判断。这项规则是教学设定，不是经检验可盈利的交易信号。

迁移题二。 2020-03 月末训练三个月目标，最新能纳入的原点是哪月？再用明确虚构的月收益 \(1\%,-2\%,3\%\) 算一次标签。

解析。 最新是 2019-12；2020-01 原点的标签还含 4 月。虚构标签为 \(1.01\times0.98\times1.03-1=0.019494\)，即 1.9494%，不能简单加成 2%。这只是标签算式核对，不是新增的历史绩效结果。

最后再分开两件事：时间顺序正确，可以阻止某类未来信息进入拟合；它不能自动消除“尝试许多流程后只留下最好一个”的选择效应。下一篇保留全部尝试，研究后者。选择效应与多重检验 ↗