回測
我可以將我的回測分成多個連續的子週期嗎？
我正在測試一個模型來估計具有不同股票的投資組合的 VaR。我使用了 1500 個數據來估計一些參數，現在我還有其他 1500 個數據用於回測（返回系列總共有 3000 個數據）。
該模型略微低估了 VaR，即違規次數超過了預期的違規次數。
但是，如果我將 1500 天的測試視窗分成兩個 750 天的時段，我會在第一個測試時段（大約從 2007 年到 2009 年）中出現中度違規，而在第二個 750 天時段（違規次數幾乎完全符合預期的違規次數）。因此，我想考慮這種拆分過程，以突出模型在易失性與更穩定時間（分別對兩個時期進行無條件和有條件的覆蓋測試）的優缺點。
**問題：**將測試視窗分成兩個連續時段的想法是否存在問題？更確切地說：
- 可以考慮從第 1 期開始嗎 $ T $ 至 $ T+749 $ 和第 2 期從 $ T+750 $ 至 $ T+1499 $ ?
- 還是允許“一些空間”更好，即考慮非立即連續的時期，例如從 $ T $ 至 $ T+499 $ 第 1 期，然後從 $ T+750 $ 至 $ T+1249 $ 第 2 期（每個有 500 個數據）？
我想我的問題是：是否存在與連續測試視窗之間的“獨立性”相關的任何問題，或者我可以繼續我的兩個連續週期的方法嗎？
理想情況下，您還希望同時查看全球回測期和子期，這並沒有錯。
沒有一個回測框架是完美的，也沒有任何風險事前估計是完美的。因此，您可以查看全球時期的結果，得出結論認為您的方法是不錯的，然後強調它在特定時期內特別無效。
然後，你的工作是解釋那段時間發生了什麼以及你的估計失敗的原因。您可以聲稱發生了非常具體的事件，例如政府乾預、投票結果等……顯然，說“那段時期市場下跌非常嚴重”並不是一個好的藉口——你試圖預測風險——但是您可以聲稱市場狀況不時發生變化，然後嘗試找到檢測這些變化的指標，這將使您能夠將您的估計更改為更具體的針對這些情況的估計。