唯一的工具是 rolling walk-forward，而它验的不是一组参数。
你在教科书上、甚至在我们自己的〈回测是什么？回测报告怎么看〉里都读过同一句话：不要在全部数据上优化，至少留 20–30% 做样本外验证。然后你打开工作页，把每个分页都点过一遍，找不到那个比例设定。
没找到是正常的，产品没有这个功能。样本外这件事在 Blave 上只有一个实作：第五分页的 rolling walk-forward，而它填的是天数、验的东西也跟简单切分不太一样。这篇讲清楚差在哪、那个分页上的每个数字怎么读。
〈如何避免策略过拟合〉里有一张表，把三种做法标了等级：全数据优化（无效）、前 70% 训练后 30% 测试（有效但有限）、滚动窗口重选（最真实）。那张表是概念层的判断；产品层的事实是——只有第三种有按钮。
| 做法 | 概念上 | 在 Blave 上 |
|---|---|---|
| 用全部历史优化，回报全部历史 | 样本内，必然乐观 | 回测分页本来就是在整段历史上算成绩，所以才需要另外验 |
| 切一刀：前段训练、后段测试 | 有效但只能用一次 | 没有这个功能，找不到比例设定 |
| Rolling walk-forward：每轮重选、测下一段 | 最接近实盘的做法 | 工作页第五分页「样本外验证」 |
差别不只是界面。简单切分验的是「这一组参数在后段数据上好不好」；rolling walk-forward 验的是「用历史挑参数」这个做法本身在这支策略上还站不站得住——它把「用一段历史挑参数」这个动作重复做了 n 次，每次都用没看过的下一段来记分。
一句话：在每一个训练窗里重新挑一次参数，套到紧接着的测试窗；把所有测试窗接成一条。
| 轮 | 训练窗 | 测试窗 |
|---|---|---|
| 1 | 2022-01-05 → 2024-12-30 | 2024-12-31 → 2025-01-29 |
| 2 | 2022-02-04 → 2025-01-29 | 2025-01-30 → 2025-02-28 |
| 3 | 2022-03-06 → 2025-02-28 | 2025-03-01 → 2025-03-30 |
| … | （中间各轮同样每次往前挪一个测试窗，共 20 轮） | |
| 20 | 2023-07-29 → 2026-07-23 | 2026-07-24 → 2026-08-22 |
测试窗首尾相接到日：轮 1 停在 2025-01-29、轮 2 从 2025-01-30 接上去，中间没有空隙也没有重叠——20 段接起来就是那条样本外序列。
训练窗则是大幅重叠：三年的窗每一轮只往前挪 30 天，所以任两轮的训练期几乎是同一段数据。重叠的东西拼不成一条连续的线——这就是为什么图上只有样本外那一条。
实作上它跑两趟：第一趟把每一组候选参数的信号在全历史上只算一次，切出各轮训练片段定价；第二趟只重算各轮的胜出组合，把测试片段串成一条、用一次定价算完整段。所以它比「跑 n 次完整扫描」快得多——下面那个 20 轮、4.7 年小时线的例子，2026-09-17 那次执行 3.5 秒跑完（界面确认框给的是通则：「通常两分钟左右跑完，结果会出现在这个分页。」）。
Rolling 是训练窗每一轮整个往前滑；anchored 是起点固定、训练窗越滚越长。产品只提供 rolling，anchored 刻意不提供。 你跟 agent 要 anchored，它会回一句固定的话就照跑 rolling：
也不用想着绕过去：跑 walk-forward 的那支 lib 是唯读的，常驻程序会直接拒绝编辑；而且结果档里没有字段可以标记「这是 anchored 跑的」，真的改了，画面还是会照 rolling 显示。
分页上只有两个输入框：训练窗与测试窗，单位都是天，旁边即时显示会切出「共 n 轮」。两个都不填，就走这张默认表：
| 数据长度（天） | 训练窗（天） | 测试窗（多久重选一次，天） |
|---|---|---|
| ≥ 1185 | 1095（三年） | 30 |
| 455–1184 | 365（一年） | 30 |
| < 455 | 测试窗的 4 倍 | 总天数 ÷ 12，最少 30 |
三年那一阶是有理由的：它比较接近「用户从整段回测里挑一组固定参数」的真实做法。中等长度的历史若直接套比例公式，训练窗会短于一年，所以中间补了 365／30 这一阶。
两个硬上下限会直接挡下来，不给半调子的结果：少于 3 轮不跑、也不写结果档（「数据只够 {n} 轮，至少要 3 轮才看得出样本外表现」）；超过 1000 轮一样挡（「把测试窗调大」）。末尾不足一轮的数据不会硬凑，图下方会注明「末尾 {d} 天不足一轮，未纳入」。
结论卡只看一个数字：
WFE = 样本外 Sharpe ÷ 样本内平均 Sharpe
分子是拼接后那一整段样本外序列的 Sharpe；分母是各轮训练窗里选中那一格自己的 Sharpe 的平均。四档标签照这个分界（都是「小于」，所以 0.5 落在「刚过门槛」、0.7 落在「高于门槛」）：
| WFE | 结论卡显示 |
|---|---|
| 算不出来 | 样本外效率：无法判断 |
| < 0.2 | 样本外效率：远低于门槛 |
| < 0.5 | 样本外效率：低于门槛 |
| < 0.7 | 样本外效率：刚过门槛 |
| ≥ 0.7 | 样本外效率：高于门槛 |
而那个数字旁边的说明，请照字面读：
一个很小或负的分母会把整个诊断倒过来：一支样本内从来就不强的策略，反而会因为「没吐回什么」而拿到很高的「效率」。所以有两道防线：
教学范例策略 btc_sma_cross（BTCUSDT 1h，2022-01-01 起、共 1,720 天，SMA 45／100，参数一字未改）。数据落在第一阶，默认窗 1095／30，切出 20 轮（测试窗合计 600 天），末尾 25 天不足一轮、未纳入。
| 项目 | 样本外（测试窗接起来，600 天） | 样本内（20 轮训练窗各自算完取平均） |
|---|---|---|
| Sharpe | −0.45 | 1.3471 |
| 年化报酬 | −16.55% | +50.16% |
| 最大回撤 | −46.57% | — |
| 交易笔数 | 183 | — |
样本外效率 WFE = −0.45 ÷ 1.3471 = −0.334 → 远低于门槛
三件事值得指出。第一，没有任何一轮被排除——20 轮的训练窗 Sharpe 全都大于 0，分母是完整的 20 轮平均、不是挑剩的。
第二，分母 1.3471 远高于 0.25，第二道防线没启动，除法有效：「WFE 是负的」和「WFE 无法判断」是两回事，前者是算出来的结果，后者是拒绝作答。
第三，那两栏涵盖的期间本来就不同——样本内是 20 个互相重叠的训练窗的平均，样本外是其后那 600 天，所以不是干净的同期对照；WFE 要量的就是这个落差本身。
同一天、同一份码，这支策略的 MCPT p 值是 0.0160（n = 2000），stdout 自己印 significant edge at 95%——照上架关卡的判准是过的。
| 检验 | 它问的问题 | 结果 |
|---|---|---|
| MCPT | 在这组固定的部位序列上，这个成绩分不分得出实力与运气？ | p = 0.0160 → 过 |
| Walk-forward | 照历史挑参数这件事本身，到下一段还管不管用？ | WFE = −0.334 → 远低于门槛 |
两个都没算错，因为它们回答的不是同一个问题。这也是为什么 p 值再漂亮都不能当成样本外验过了（见〈MCPT p 值怎么看〉）。顺带说清楚：这不是在说这支策略坏掉了——它是 workspace 附的教学范例，这里用它示范的是两个检验的语意差异。
每一轮选参数用的是 3×3 邻域平均（跟参数扫描同一条规则，也就是〈如何避免策略过拟合〉讲的挑高原不挑峰值），但轮表上回报的训练 Sharpe 是选中那一格自己的数字。这是刻意的：
| 分母用什么 | 后果 |
|---|---|
| 该格自己的 Sharpe（现行） | 分母偏高，WFE 偏保守 |
| 3×3 邻域平均 | 邻域平均在结构上必然低于被它包住的那一格 → 分母被压小 → WFE 灌水，整个分页读起来过度乐观 |
分母灌水的诊断不如不做。
两轮交界的地方，序列带的是新那一轮自己的部位——是被剪开，不是归零。强制每个接缝平仓等于凭空捏造 n−1 笔没人交易过的出场。
换参数的成本不会被漏掉：接缝处权重改变，定价时照收手续费。也因为每一轮的数字都是从同一条拼好的序列切出来的、不重新定价，轮表加总就等于整段总数。
信号在全历史上算（rolling 指标才准），但每个训练片段各自跳过自己开头的预热根数——不是只有第一轮。没有这一步，第一轮会在指标还没热的 K 线上训练、挑到噪声，各轮的有效长度也不一样、不可比。上面那张轮表就是实证：策略的 START 写的是 2022-01-01，但轮 1 的训练窗从 2022-01-05 才开始——差的那几天正是 WARMUP = 100 根小时线（约 4.2 天）被扣掉。
测试窗不裁切，因为它已经热了，而且必须连续才能拼接。顺带回答一个进阶读者常问的问题：这里不需要 embargo 隔离期——测试窗就紧贴在挑它参数的训练窗后面，它之后的数据完全没被用到。
跑完之后没有「套用建议参数」这个按钮，agent 也不准因为这个结果去改你的策略码。空状态就把话讲在前面了：
为什么不能抄？看那次执行的参数漂移。20 轮只选出 4 组不同参数：
(45,100) ×14 → (55,80) → (45,100) → (45,80) ×3 → (35,80)
前 14 轮都停在同一格。就算「大部分时候都选 45／100」看起来像个结论，那条 −0.45 的样本外曲线也不是 45／100 的成绩——它是 4 组参数接力跑出来的一整段，不属于其中任何一组，所以没有一组可以被「采用」。你要求套用时，agent 会回固定的一句：
参数漂移网格会画出每一轮选中哪一格、被选中几轮，虚线框标出你目前的参数，图例也明写「最后一轮选中的参数只是参考，不是建议值」——那次执行最后一轮选的是 35／80，只代表「最后那一轮的训练窗刚好挑到这一格」。另外，这个分页不显示 p 值、也永不跑 MCPT；跑一次 walk-forward 在 agent 的工作守则里算一次迭代。
轮数够不够？ 少于 3 轮根本不会跑。轮数太少时，WFE 只是一两个测试窗的运气。
有没有轮被排除？ 每轮明细会注明哪几轮训练窗 Sharpe ≤ 0。上面那次一轮都没被排除；被排除的轮越多，代表这支策略连在自己的训练窗里都常常挑不到东西。
WFE 是「无法判断」还是一个负数？ 不一样。「无法判断」代表样本内平均低于 0.25、这个比值没有意义；负数代表除法做了、样本外那段是亏的。
参数漂移得多凶？ 看「{n} 轮选出 {u} 组不同参数」那一行。上面那次是 20 轮 4 组；每轮都跳到完全不同的格子，等于每次重选都在追不同的东西。
你是不是在找建议参数？ 没有。要换参数走参数扫描的稳健点，不是抄最后一轮。
跑过一次之后，如果 WFE 掉得很难看，问题通常不在样本外这一步，而在挑参数那一步——那是〈如何避免策略过拟合〉的范围。如果你手上还没有值得验的策略，策略库里的官方策略每一支都附真实回测与品质关卡结果，可以先看数字再决定：策略库。
