(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。
量化交易的回测如果过度拟合了,实盘的时候会出现什么问题,怎么避免过度拟合?
量化交易策略回测如何避免过拟合问题?
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?
量化交易的策略优化过程中如何避佣金过度拟合?
请问,在股票量化交易中,如何避免过拟合问题呀?