过拟合

过拟合 = 模型把历史数据里的“噪音”当成了“规律”。为了在回测里表现完美，策略把每一个历史波动都背了下来，结果一遇到真实市场（永远和过去不完全一样），立刻失灵。

想象一个学生把练习册的答案全背下来，考到原题就满分，题目一换就零分——背答案不是学会，就是过拟合。量化里常见的表现是：参数调得极其精细、回测曲线完美向上，实盘却稳定亏损。

过拟合是量化投资最大的隐形杀手：

• 回测收益≠未来收益：过拟合策略在样本内完美，样本外（新数据）立刻现原形；
• 对微小变化极度敏感：参数动一点点结果大变，说明模型不是在学规律，是在背数据；
• 实盘成本更高：过拟合策略往往换手频繁，真实交易成本一算，收益更是大打折扣；
• 毁掉信任：很多“完美策略”实盘亏钱后，投资者才明白：历史曲线越漂亮，越可能是陷阱。

• 看样本外表现：把一段历史数据留出来不参与调参，只看策略在“没背过”的数据上的表现，过拟合会在样本外大幅缩水；
• 看参数稳健性：把参数微调 10%-20%，结果变化很小 → 稳健；结果剧烈波动 → 过拟合信号；
• 看逻辑合理性：策略的赚钱逻辑能否用人话讲通？纯靠统计巧合的“规律”基本不可信；
• 控制复杂度：参数越少、逻辑越简单，过拟合概率越低；数据量越大，越能检验真伪。

• 拿回测收益当未来收益：回测曲线是“后视镜”，不是“天气预报”；
• 参数优化到极致：把每个参数都调到回测最优，就是典型的曲线拟合；
• 只看一段历史：只在牛市或单一行情里回测，样本内再漂亮也是自欺；
• 忽视幸存者偏差：只统计“活下来的策略”，死掉的全被抹掉了，胜率被严重高估；
• 忽略交易成本：过拟合策略高频换手，真实成本可能把理论收益吃光。