(1)严格划分样本区间:将历史行情数据分成样本内训练集和样本外验证集,通常按时间比例拆分(如前80%为样本内,后20%为样本外),确保两类数据无重叠。这样做是为了模拟策略在未知行情中的表现,避免策略仅适配特定时间段的行情特征。执行时要注意选择覆盖不同市场风格的区间,比如包含震荡、单边上涨、下跌行情。
(2)固定参数不调整:在样本内完成策略参数优化后,直接将固定参数应用到样本外数据回测,全程不修改参数。这一步是防止过拟合,模拟实盘时参数固定的真实场景,避免为了适配样本外数据刻意调整参数导致结果失真。
(3)多维度指标对比验证:除了收益率,重点关注最大回撤、夏普比率、胜率等风险收益指标,对比样本内和样本外的指标差异。如果样本外夏普比率接近样本内、最大回撤未大幅扩大,说明策略泛化能力较强;反之则需警惕过拟合。同时要注意,样本外验证仅为参考,实盘还需结合实时市场动态调整。
想要了解QMT量化工具的实操细节,或是办理开户享受专属量化服务支持,欢迎点击头像添加微信。开户找我佣金成本价,ETF、可转债万0.5,期权1.7元一张,两融专项利率3.5%以下,国债逆回购手续费一折!支持同花顺/通达信登录。
发布于2026-9-8 13:04 广州



分享
注册
1分钟入驻>

+微信
秒答
电话咨询
18630917047 

