舉個量化的例子。妳建立了壹套期貨交易系統，妳需要進行 歷史 測試。
妳的交易系統中，有壹個參數。什麽叫參數？比如，海龜交易法則裏的突破20日的最高點開倉。這個20，就是參數。
妳為什麽選20？妳為什麽不選21,34,15或者28？
這就叫參數的選擇。
所謂的過度擬合，就是妳用這套策略，經過 歷史 回測之後發現，如果我把參數變成24的話，那麽我的系統，在過去的這段走勢中，收益是最高的。
所以，我就采用24。我交易系統中，所有的參數，都要選 歷史 表現最好的那個。這就是過度擬合。
這樣做的壞處是什麽？因為它的效果是 歷史 走勢中最好的，但是 歷史 走勢最好，不代表未來依然會更好。可能妳過了壹年之後回來測試，發現現在最好的參數是32了。因為未來這壹年的走勢融入了 歷史 中，改變了 歷史 。
而如果妳過度的擬合出了壹個 歷史 測試結果，比如，妳發現妳用100萬交易螺紋鋼期貨的 歷史 走勢，妳的最大回撤僅為10萬，妳的最大連虧次數僅為5次。於是，妳基於這個優化過的數據來設計了妳自己的倉位。
結果呢？未來的行情走勢，這個參數忽然就不如想象中的那麽好，節奏變了，導致妳直接虧損到清盤線。
這就是過度優化的危害。
實際上，能走到優化參數的這壹步的期貨交易者，壹般而言，不會爆倉，最大的風險是虧損超過預期，進而導致的壹系列信心的挫敗，意誌的動搖而已。
很多期貨交易者都會對系統進行參數的優化，但是他們往往不知道，優化到什麽程度算沒有過度擬合。實際上，我也不知道。
過度這個詞，很明顯，是壹個沒有範圍的詞。什麽樣叫做過度，這不是我能夠說的算的。
那麽，我采用了什麽方式去避免過度擬合？
我采用的是，強行拔高，站在另壹個維度來看待這個問題。
擬合，參數優化，說白了，都是些小細節。不同參數的背後，代表的是不同的盈虧比。比如，20日均線和50日均線，妳承擔的單次虧損額度，和在壹波行情中的收入肯定都是有大小之分的。但是，行情走勢是不確定的。
這壹點很重要。既然我們都不知道未來行情會走成什麽樣子，那麽，我們在這裏糾結我選擇哪個數字，有意義嗎？妳選21，妳選15，妳選45，這是不是擬合，這有沒有過度擬合，是由未來的行情告訴我們的，我們沒有辦法走到未來，糾結這個就沒有什麽意義。
所謂期貨交易大道至簡的原因就在於，有些時候，妳的想法必須要簡單，簡單到別人覺得太特麽的粗暴了。
我站的維度，是直接看系統。
20日均線，和50日均線有區別。突破10日的高點，和突破20日高點也有區別，前者信號更多，止損次數更多，但是前者的入場位置可能某些時候有優勢。
妳喜歡做短壹點的趨勢，妳接受不了大的利潤回吐，那麽妳就選擇小參數。妳不喜歡經常出信號，妳想要拿超大的趨勢，那麽妳就選擇大參數。
至於小參數中，是20更好，還是18,21?糾結這些，完全沒有意義。
除此之外，倉位的設計，也不應該參考所謂的 歷史 。有些人對策略倉位的設立，是非常的依賴其 歷史 測試的。包括， 歷史 最大回撤， 歷史 最大連虧，平均虧損等等。可以不可以？可以。但是，如果處於絕對的安全角度，最好打個對折，再配合上贏沖輸縮。
在期貨交易中，因為走勢的不確定性，倉位的管理，實際上也沒有完美的方式。可能妳按照策略 歷史 回測的倉位來設計，根本壹點事都沒有，而且還有點偏低。但是也可能，妳保守到只開壹半的倉位，這個策略依然給妳幹清盤了。
走勢的不確定性，它讓壹切都有可能。
壹套策略，它被清盤了。它是本身有問題？那可不壹定，有可能僅是因為這段時間的行情神擋殺神，佛擋殺佛，妳之所以被清盤，不是邏輯的問題，是資金管理的問題。
資金管理的方式，是壹個很長的話題。如果妳基於對壹套策略負責的角度，最好是安全墊+保守倉位+贏沖輸縮。
所謂的過度擬合，其實本質就是讓壹個期貨交易者，過分的自信了。他覺得他的策略很好，他覺得他的參數好，他覺得他的倉位好。
結果行情忽然變了節奏，把他打懵了之後走的極度流暢。這種事情說白了，根本就不可能100%解決。因為啥？
因為走勢是不確定的。 妳做趨勢，就是不來趨勢。妳做震蕩，趨勢壹直不見停止，妳做日內，無數雜波…
因此，我們如何盡人事？
做好資金管理規則。賬戶沒有收益之前，盡量保守，如果保守依然還在虧，那就繼續縮倉。如果妳縮倉到了只開壹手，依然是停不住虧損，那麽，妳就只能停止開敞口，或者，只能清盤。
妳確保了自己的交易邏輯沒問題，妳的資金管理做到了極限依然止不住虧損，那麽只能說，妳的運氣簡直背到了買了10次彩票全是壹等獎……
市場讓我死，我不得不死。
最後，總結壹下。過度擬合這件事情，沒有什麽標準，也沒有什麽好的方法。它也根本就無法徹底解決。
我建議，忘記這件事情。妳要從自己執行，自己的偏好的角度來設計交易系統。如果20這個參數對於妳來說很合理。那麽21和18，根本就沒有區別，因為妳不知道未來。
如果妳怕過度擬合了。那麽妳就把資金管理規則給設計完善了。資金管理規則完善了，妳擬合沒擬合都無所謂。
使用同壹組數據，不管用什麽算法，結果相同。路途也相似
1:盡量減少參數的使用
2:同壹個參數用多品種多周期測試
3:測試時間盡量用更長的時間
4:制定壹個規則，比如回撤多少有代表策略目前已經失效
優化參數控制在4個以內
區分實與虛，光與暗
可以多測試不同的商品。比如妳的系統是為股指設計的，可以拿去測試螺紋鋼，鋁，外匯。另外時間段足夠長。起碼要50次以上交易數。如果調整參數數值，比如兩個參數，隨便改改。都能正收益，就是可靠的系統
這個無解，用多策略多品種多周期做組合來規避。沒有完美的策略，因為市場結構本身就壹直在變。
在期貨交易中，如何避免交易系統的過度擬合？
題主的煩惱李股漲可以理解，題主是學習的理論太多，交易方法太多，交易系統還沒有確立，尚在測試階段。李股漲建議第壹主觀臆斷是交易系統的天敵，建立交易系統的目的就是克服主觀意識，成熟的交易者憑交易系統發出的交易信號操作，無論對錯均按系統信號執行；第二交易系統設置原則是簡單明了，易操作，能重復操作；
可以多測試不同的商品。比如妳的系統是為股指設計的，可以拿去測試螺紋鋼，鋁，外匯。另外時間段足夠長。起碼要50次以上交易數。如果調整參數數值，比如兩個參數，隨便改改。都能正收益，就是可靠的系統
我的經驗是，減少參數的個數。比如說，兩個參數的交易系統就比是10個參數的更加不容易過擬合。如果參數太多，在調整的時候就會忍不住壹直調整到最好的回測結果為止，過擬合了，自己也不知道。如果參數少壹些，更能拿到接近普遍規律的結果。
其實想要做好期貨也沒有這麽的難，找到有效的方法和工具可以幫助交易者。
我們的策略在邏輯編程完成後，總要進行定量的數據確定，通過對 歷史 數據的測試，找到適合的數據範圍。
但是，往往，有很多量化者朋友喜歡擬合出個最牛 的數據組，實現高勝率低回撤高收益。這樣的稱為過度擬合。
我們都知道，所有的測試都是用 歷史 來驗證思路。數據在 歷史 上表現好，在未來卻不壹定適用。就好像，妳拿著北京的地圖在上海找路，能行麽？
壹個好的策略，在選擇數據時有這樣的特征。
1.數據在合理的範疇內變化時，結果不會有性質的差別。就是說，數據組的數值在合理範圍變化時，結果仍然是盈利並且回撤不大的。如果小小的變化都會造成虧損的結果，那麽策略不成功。
2.不同的測試品種，不應該產生相反的結果。
不管是股票還是螺紋或者豆粕，不能通用的策略也不是成功的策略。
別搞那麽復雜，越簡單月有效