(1)预留样本外数据做验证,用一部分历史数据回测,另一部分数据检验策略效果。
(2)策略参数不要过度精细优化,参数越少,策略逻辑越简单,泛用性会更好。
(3)控制策略变量数量,不要为了贴合历史行情不断增加大量条件,刻意追求超高回测收益。
(4)定期做压力测试,在极端行情下检验策略回撤,只选择逻辑可解释的策略。
需要开通量化终端做策略回测,添加我联系方式,低佣开户一站式办理。
量化交易的系统有没有策略的参数优化的过拟合检测功能,避免参数过度拟合历史数据?
量化交易的回测会不会存在过拟合的问题?怎么避低佣金策略过拟合?
AI股票量化交易中,如何判断模型是否过拟合呢?过拟合了该怎么办呢?
量化回测的收益很高,但实盘一直亏损,是不是因为过度拟合历史行情?
量化交易的策略优化过程中如何避佣金过度拟合?