量化交易的过拟合，是策略把历史数据中的偶然噪声也学成了规则，回测表现很漂亮，换一个时间段或进入实盘后却迅速失效。

常见迹象包括：参数稍微改变，收益和回撤就大幅变化；策略条件越来越多，但无法解释每个条件的作用；利润集中在少数股票或几笔交易；样本内表现优秀，样本外明显变差；加入手续费和滑点后优势基本消失。

避免过拟合可以做五件事：

1、先写策略逻辑，再看结果，不根据每次回测不断增加条件。

2、把数据分成开发区间和样本外区间，后者不参与调参。

3、寻找参数稳定区间，不追求唯一的最高收益参数。

4、减少无明确逻辑的指标，并检查交易次数是否足够。

5、在上涨、下跌、震荡以及更高交易成本情景中分别测试。

牛股王股票支持最长5年的历史回测，可查看最大回撤、胜率、夏普比率和交易明细，普通投资者可以用这些信息检查收益是否集中。愿意使用Python深入研究的人也可以在聚宽做滚动测试和样本外验证。

策略结构越复杂，越需要更多独立数据和实盘观察。历史拟合程度高不等于预测能力强。

风险提示：股市有风险，投资需谨慎。