判断过拟合,核心就是比较模型在见过的数据和没见过的数据上的表现差距,差距越大嫌疑越重。
三个信号最直接。第一看训练与测试的落差,把历史数据分成两段,前段用来构建策略,后段只做检验,后段的表现明显逊色就要警觉,差距越大问题越重。第二看参数敏感性,把某个关键参数稍微动一下,比如周期多一天少一天,结果发生剧烈变化,说明策略拟合的是噪音而不是规律,稳定的策略对参数的小幅变动不敏感。第三看逻辑是否讲得通,一个堆了很多过滤条件、每个条件都说不出经济含义的策略,大概率是凑出来的。
成因通常是参数太多、样本太少、反复调参。数据就那几年,参数有十几个,总有一组恰好贴合历史,这种贴合对未来没有预测力,样本越短越要警惕。
应对办法按顺序来。精简参数,把可有可无的条件删掉,只留核心逻辑;增加验证维度,除了样本外检验,再做不同时段的滚动测试和跨市场的对照;接受不完美,模型在测试段表现中等但稳定,往往比训练段惊艳、测试段塌方的版本更值得用。实盘前还要跑模拟盘,把回测和实时环境的差距量出来,这个差距本身就是过拟合程度的又一面镜子。
申请QMT量化的要求是什么?
QMT量化交易回测怎么看?过拟合问题如何识别?
个人量化QMT与普通交易差异大吗,使用体验有什么不同?
QMT量化LOF处理方式:场内场外价格差异分析
问一问流程:
1.提交咨询
2.专业一对一解答
3.免费发送短信回复