我试图了解 Marcos Lopez de Prado 的“金融机器学习进展”一书（第 163 页）中描述的时间序列数据的“组合清除交叉验证”技术。

该设置被描述为研究人员想要测试“一些的回测路径”。我不太确定这意味着什么，但这是我目前所拥有的：$\phi$

• 一个时间序列被分成个顺序组$N$
• 选择数字进行交叉验证$k$
• 一个组合方程用于计算“路径数”： $$\phi(N, k) = \frac{k}{N}{N \choose N - k}.$$

对于$N=6$组和$k=2$的情况，有$\phi(6, 2)=5$路径，书中的图 12.1 将它们排列为表格。“train/test CV split”的数量为15（6选2），索引为下表中的列。行是6组，里面的数字是从1到5的路径id。

该书指出，“路径 2 是结合来自 (G1,S2)、(G2,S6)、(G3,S6)、(G4,S7)、(G5,S8) 和 (G6,S9) 的预测的结果。 " 通过G组的时间流逝，我可以看到。我没有关注的是拆分与组的关系。

人们显然对这本书评价很高。这是某人解释组合清除交叉验证的视频，但它没有回答我的问题。谁能告诉我这里发生了什么？这真的是对前向交叉验证的进步吗？