統計
在 MVO 中，樣本內估計和样本外估計的術語是什麼意思？
我經常聽到作者在 MVO 的經驗分析中提到的樣本內估計和样本外估計有何不同？
樣本內和样本外的術語通常用於任何類型的優化或擬合方法（MVO 只是一個特例）。
當您進行優化時，您會在給定的數據樣本上計算最優參數（通常是資產配置中最優投資組合的權重），例如過去 5 年投資組合證券的收益。
問題是，如果你在給定的數據集（過去五年）上執行你的策略，你在樣本內進行，即你在你用來擬合它的樣本上評估你的結果。這在技術上應該會給你最好的結果。
如果您在接下來的兩個月內評估該策略，那麼您將在樣本外進行，即您在與您優化策略的時期不同的時期進行評估。
在資產配置中，使用樣本外回測非常重要，因為您今天只能根據今天進行的優化結果進行投資。因此，您將獲得明天的策略表現；不是昨天的。
我不認為它們直接適用於 MVO，因為本質上你總是對樣本內數據的有效邊界或資產選擇進行建模，結果是在樣本外測量的。你不能說，“嘿，我在 2005 年數據的樣本中對其建模，然後我根據 2006 年的數據衡量投資組合的表現，並將其與從 2010 年數據得出的結果進行比較。” 2010 年的回報可能來自“最有效”的投資組合，這可能與您在 2005 年建立的“最有效”的投資組合完全不同。
實際上，MVO 的一個固有弱點是它“將回報視為對未來的預期，並使用波動率作為風險的代表，其缺陷是波動率是一個歷史參數，你不能假設今天的價格提供了對未來的準確預測。” （均值變異數優化：入門）。
顯然，如上引用所示，樣本內數據和样本外數據之間存在聯繫，但正如我所提到的，我不會以與使用樣本內和簡單數據相同的方式考慮它的用法，例如在那些只進行一次優化的優化中，樣本內的結果在不同的樣本外時間範圍內具有可比性。