In-Sample/Out-of-Sample 資料切割的高階用法
主講者與影片定位
Lisa Forex 是一位從資料科學家轉職為程式化交易員的創作者，專門分享自己用自動化工具開發外匯機器人、建立穩健策略組合的實戰經驗。影片一開頭她提到，自己花了兩年時間開發策略，一開始只在日圓貨幣對上勉強成功，其他幾乎找不到能活下去的系統，直到最近做了一個小調整，從 5 個策略一夜之間變成 50 個可用策略。
這支影片的重點不是介紹某一個「聖杯策略」，而是說明：in-sample / out-of-sample 的切法本身就是一種強大的穩健性測試工具，而 StrategyQuant X 給了非常細緻的控制，可以直接改變你能找到多少「真的能在不同市場環境活下來」的策略。
核心觀念: In-Sample 與 Out-of-Sample 的真正用途
什麼是 in-sample / out-of-sample?
- In-Sample：指你用來生成與開發策略的那一段歷史資料。所有邏輯都是在這裡「學」出來的。
- Out-of-Sample：指策略開發完之後，拿去測試「從沒看過的資料」的那段時間。這段資料不參與建模，只用來驗證策略是否真的有泛化能力，而不是記憶歷史。
一般教科書常畫一張圖：假設有 10 年歷史，前面約 70% 做 in-sample，後面約 30% 做 out-of-sample，這只是最基本的切法，但 Lisa 強調：你可以做得遠比 70/30 更聰明。
StrategyQuant X 中的資料區段設定
Builder 裡的 Data Range Parts
在 StrategyQuant X 的 Builder 模組中，底部的 Data Range Parts 就是用來定義 in-sample / out-of-sample 區間的地方。
1. 初始問題：全部 In-Sample
一開始「全部資料」都被標為 in-sample，這會導致策略在訓練期看到所有資料，沒有任何真正獨立的驗證區，很容易造成嚴重過度優化。
2. 增加第一段 Out-of-Sample
多數人心目中「典型的 out-of-sample」應該是最近幾年的資料。你可以：
- 直接拖曳整塊 out-of-sample 區段到時間軸尾端。
- 手動修改開始與結束日期，精準控制這段 OOS 的長度與位置。
這個過程的重點是：Out-of-sample 應該刻意設計來測試策略在你真正關心的市場階段。
多段 Out-of-Sample 與「切碎式」穩健測試
Lisa 示範可以新增多個 out-of-sample 區間，例如將第一段 OOS 放在近幾年的資料，第二段 OOS 放在 2017 年附近，中間時期由 in-sample 填滿。
這樣做的意義在於：
- 不是只要求策略在「一段最近資料」表現良好，而是要求它在多個互不相連的時間窗都能活下來。
- 等於測試不同市場週期：趨勢、震盪、高波動、低波動等。
預設「20 段混合」配置
StrategyQuant X 提供一個模板：把整段歷史切成 20 小段，其中一半標記為 in-sample，另一半標記為 out-of-sample，且分散在整個時間軸上交錯排列。
這種「切碎式」配置的關鍵好處：
- 避免只用「舊資料」或「單一市場階段」來開發與驗證策略。
- 強迫策略在很多不同的市場 regime (牛市、熊市、震盪期等) 都表現不至於崩盤。
為什麼這個調整能讓策略數量「爆量」
影片開頭 Lisa 提到，她原本在非日圓貨幣對幾乎找不到像樣的策略，直到改變 in-sample / out-of-sample 設定，策略數量才從 5 個激增到 50 個「有實戰價值」的策略。
從量化開發角度來看，這反映的是：
- 如果 IS/OOS 切得太單調，很多「其實具備泛化能力」的策略會在單一 OOS 測試中被錯殺。
- 透過多段、交錯式 out-of-sample 設計，你給策略更多「表現機會」，也更全面地檢驗它在不同市場 regime 的行為。
結果就是：不但過度擬合的策略更容易被刷掉，真正穩健的策略卻更容易被「挖」出來，整體通過率因此顯著提高。
DarwinexZero 平台簡介
DarwinexZero 是一家以「訂閱制 + 風險標準化」為特色的線上資金配置平台，專門讓交易員用模擬或虛擬帳戶交易，再根據表現獲得資金分配與分潤。
在整篇內容脈絡中，這段主要是告訴觀眾：若能用正確的 in-sample / out-of-sample 設計打造穩健策略，就能在像 DarwinexZero 這種平台上有實際貨幣化的機會。
對交易員的實務啟示與落地流程
實務落地的大致流程
- 設定基礎資料範圍：選定某品種與時間框架（例如 EURUSD H1），確認歷史資料品質。
-
在 StrategyQuant X Builder 中設定 Data Range Parts：
- 不要讓全部資料都變成 in-sample。
- 至少配置一段近期 out-of-sample。
- 優先考慮多段、交錯式的 OOS 分割，而不是單純 70/30。
- 使用基因演化或隨機生成建構策略：在上述資料分段下生成與篩選策略，注意策略在各段 OOS 的穩定性。
- 篩選並組合通過多段 OOS 的策略：將同時在多個 OOS 時段表現合理的策略，納入候選組合。
- 在模擬或低風險環境中前測：穩定後，再考慮接 DarwinexZero 等資金配置平台。
影片給交易員的一個關鍵提醒
如果你總是覺得「策略在回測很好，實盤卻一直輸」，在調整指標、優化參數之前，也許該先檢查的不是策略本身，而是：in-sample / out-of-sample 的設計方式。
相關資源與工具整理
以下是影片與說明欄中提到的相關資源與工具整理:
| 項目名稱／說明 | 網址 |
|---|---|
| 教學影片 | Watch This If You're Tired Of Losing. Strategy Quant X |
| 個人網站 | Lisa Forex Work With Me 頁面 |
| 資金配置平台 | DarwinexZero 折扣連結 |
| 分析工具 | Quant Analyzer |
| 策略生成軟體優惠 | StrategyQuant X 折扣代碼 'lisaforex' |
| EA 產生器 | EA Studio |
| 外匯券商 | IC Markets |
| VPS 服務 | ForexVPS |
原始 YouTube 影片連結： https://www.youtube.com/watch?v=jOvzBPGJvXo&list=PL6PE9dTguzLVKswnRuHoEJqVYGLLAtK7z&index=17