买方研究台想为一条即将上线的时间序列策略拿到尽可能诚实的样本外评分。朴素 k-fold 在这里是错的：它跨折打乱 bar，模型会用未来训练去预测过去——得到的 OOS Sharpe 纯属虚构。滚动前推验证（walk-forward validation）（Bailey & Lopez de Prado, *Advances in Financial Machine Learning* (2018), Ch. 11）的修正方式是：固定长度的训练窗 + 固定长度的测试窗按固定步长沿时间向前滑动，使同一折内每个训练索引严格小于每个测试索引。这才是能预测策略上线后真实表现的验证方式。