1.用各种条件过滤不好的数据，这种方式，保留了看似很好的数据，但可能隐藏的了差的数据，但因为差的数据量不够等等原因，对结果的影响看不出来。

2.用各种条件选择出好的数据，这种方式，选出的数据可能只是在这个样本中很好的数据，并不一定符合未来数据或者其它样本的数据。

两种方式，你们一般选用哪种？
--
FROM 125.69.45.*

又没用到未来数据，怎么成未来函数了？

【 在 netvideo 的大作中提到: 】
: 你这过滤函数就成了未来函数。
--
FROM 182.149.161.*

好数据，不好数据你是在数据产生之前还是之后判断的？如果你今天能决定明天的好数据，当然没有未来函数。
--
FROM 110.184.113.*

如果在过去90%都满足某种条件，那未来90%也满足这种条件的概率肯定远大于不满足。
这个假设是在模型有好的泛化能力的前提下才成立的，一般的条件过滤没有多少泛化能力。如果泛化能力不错，一般可以作为预测而不是过滤。

【 在 tmchzy2 的大作中提到: 】
: 如果在过去90%都满足某种条件，那未来90%也满足这种条件的概率肯定远大于不满足。
: 难道所谓的策略不就是用旧数据来评估未来数据吗？ 如果用了过去数据就代表未来函数，那用旧数据回测，岂不就是100%用了未来函数？
:
--
FROM 110.184.113.*

照这么算的话，任何策略都会用到未来函数。

我的理解是未来函数用到了未来的数据，例如：盘中买的策略，使用到了买入当天收盘后的成交量。
只要不用到未来数据的，都不应该算未来函数

【 在 netvideo 的大作中提到: 】
: 过滤产生未来函数的例子：
: 1.过滤掉<10元的股票
: 2.过滤掉已退市的股票
--
FROM 182.149.161.*