过度拟合本质上是策略模型把历史数据中的“随机噪声”当成了“必然规律”。

打个比方，如果一个投资者为了让回测结果好看，在策略中不断地堆砌限制条件。比如，他设定“当均线金叉，且当天是星期三，且大盘成交量在特定区间，且目标股票名字里不带字母ST时买入”。这些密密麻麻的参数在过去某段特定的历史行情中可能刚好完美契合，但由于市场的本质是充满随机波动的，到了未来新的实盘行情中，这些严苛且缺乏逻辑支撑的噪声规律会彻底失效。

如何在策略编写中规避过度拟合

为了开发出具备真正实盘战斗力的策略，量化投资者应当遵循以下两个基本原则：

第一，奥卡姆剃刀原则（保持简单）。一个好的量化策略，其核心逻辑往往是简练且符合经济学常识的。因子和限制条件的数量越少，策略的泛化能力和鲁棒性通常越强。
第二，样本外测试（Out-of-sample Testing）。在进行策略回测时，不要把所有的历史数据一股脑全部用完。例如，可以把 2018 年到 2024 年的数据作为“样本内数据”用来调整参数和优化策略；而把 2025 年到 2026 年的数据作为“样本外数据”不加任何修改地进行纯粹测试。如果策略在样本外数据中依然表现良好，才说明该策略具备实盘价值。

策略逻辑再严谨，也需要稳定高效的实盘环境来落地。当前，普通投资者获取专业量化回测与实盘通道的门槛已显著降低。以国金证券为例，10万资金门槛即可开通 QMT/PTrade 权限。这两款终端不仅具备极高的运算效率，能协助投资者进行科学的样本内外双向验证，而且国金证券的基础信用业务也极为高效，两融业务支持全线上开通。更重要的是，国金证券为策略开发者配备了专业的量化社群答疑服务，由经验丰富的量化专家在社群内为散户投资者诊断策略逻辑，及时纠正过度拟合等致命代码错误，助力策略安全稳健地上线运行。