回测曲线美如画，实盘上路秒变渣：我的过拟合踩坑全记录
由bq3wl3ca创建，最终由bqxlpgzg 被浏览 16 用户
跑出一个回测年化80%的策略后，我却更慌了。
\
今天想和大家聊聊我这段时间最大的一个跟头，也是我认为新手最需要警惕的一个坑：过拟合。
说出来不怕大家笑话，最近我弄了一个“像样”的策略流程大概是这样：
- 选了一堆听起来有道理的基本面和技术面因子（PE、PB、ROE、动量、波动率啥的）。
- 用了平台提供的经典机器学习模型（比如随机森林）。
- 目标是预测股票下一周的涨幅排名。
一顿操作后，回测结果让我心跳加速：训练集里，模型预测的准度很高，策略年化收益冲到80%以上，夏普比率也很漂亮。 那一刻，我感觉自己快摸到“圣杯”的门把手了。
但很快，我就高兴不起来了。
第一个警报：换到没“见过”的股票上，策略失灵了。\n我一开始是在沪深300成分股里训练的。当我满怀信心地把这个策略用到中证500的股票池里时，结果一塌糊涂。模型好像突然“失明”了。
第二个警报（也是致命伤）：在“未来”的数据里，它不会赚钱。\n严格按照时间序列，用过去的数据训练模型，去预测“未来”（对模型来说是未知的）一段时间。结果，那个漂亮的80%年化收益，瞬间缩水到惨不忍睹，甚至跑不赢指数。
我这才恍然大悟：我可能造了个“考试作弊”模型。\n它根本不是真正理解了市场规律，而是通过复杂的曲线，完美地“记忆”并拟合了过去那段特定历史数据中的噪音和偶然规律。一旦环境稍有变化（换股票、换时间），它就懵了。
这个过程，像极了我们做主观交易时的一种错觉：对着历史K线图，总能找到一套“完美”的解释理论（“你看，这里金叉所以涨了，那里顶背离所以跌了”），觉得市场规律尽在掌握。但拿到实盘，面对未知的下一根K线，这套理论经常失效。
“踩坑”之后，我的几点笨拙思考：
- “简单”可能比“复杂”更可靠：我现在会更警惕那些需要几十个因子、好几层复杂模型才能跑出好结果的策略。我开始欣赏那些逻辑直观、因子数量少但经济学意义明确的策略。先保证策略在“经济学常识”上说得通，再用数据去验证和微调，而不是反过来。
- “样本外”和“时间序列”是生命线：用工具把数据拆分（训练集、验证集、测试集）和严格的时间序列回测做得很方便。我现在明白了，一个策略在“测试集”或“未来函数”严格禁用的回测中的表现，才是它真实能力的试金石。只看训练集结果，无异于自欺欺人。
- 过拟合的本质是“过度解读”：就像我们看历史走势，总能强行总结出原因。模型用太多的参数，去解释了本应是随机波动的部分。防止过拟合，就是主动给模型的“想象力”加上枷锁，让它抓住主要矛盾，而不是记住所有细节。无论是用正则化，还是增加数据量，或是简化模型结构，目的都是这个。
- 从“预测精准”转向“概率思维”：我放弃了追求“预测明天哪只股票涨多少”的幻想。现在更关注模型给出的概率分布或相对排名。比如，不去猜涨幅，而是判断“在未来一段时间，A股票比B股票表现更好的概率是否显著高于50%？” 这更像我们主观交易时说的“赢面”。
现在，我依然继续折腾，但心态变了。看到惊艳的回测结果，第一反应不是兴奋，而是怀疑：“我是不是哪里又设置错了？”“是不是又过拟合了？”
这个过程很挫败，但也让我对“量化”二字多了份敬畏。它不只是把想法写成代码，更是用严谨的数据科学方法，去检验和约束我们天马行空的交易想法，逼着我们区分什么是“规律”，什么是“巧合”。
不知道平台上的老师们，在刚开始的时候，是怎么对付“过拟合”的？
（以上仅是个人的学习踩坑笔记，非常粗浅，肯定有很多理解不对的地方，请大家多指正。）