分享
注册
1分钟入驻>
+微信
首发回答
使用合理的样本数据：确保用于指标开发的数据具有足够的代表性和广泛性，涵盖不同的市场行情和时间段，避免使用过于局限或特殊的数据集，以减少因数据偏差导致的过度拟合。
采用交叉验证：将数据集划分为多个子集，通过多次交叉验证来评估指标的性能，而不是仅仅依赖于一次完整的数据集回测。这样可以更全面地了解指标在不同数据子集上的表现，防止对特定数据集的过度适应。
设定简单性原则：在构建新指标或优化方法时，尽量保持其简洁性和逻辑性，避免过于复杂的公式或过多的参数。简单的指标往往更具有通用性和稳定性，不容易受到个别数据点的影响而出现过度拟合。
进行样本外检验：如前文所述，在完成指标的初步开发和优化后，使用独立的样本外数据进行验证。如果指标在样本外数据上表现不佳，即使在训练数据上效果很好，也说明存在过度拟合问题，需要对指标进行调整。
监控指标的复杂度：可以通过一些指标来衡量模型的复杂度，如指标中参数的数量、自由度等。在优化过程中，当增加参数或复杂度不能显著提高指标在样本外数据上的性能时，应停止继续增加复杂度，以防止过度拟合。
发布于2025-4-28 20:17 杭州
当前我在线
直接联系我
秒答
关注
分享
追问
踩 
举报
搜索更多类似问题 >
491
电话咨询
咨询
17376481806 
