在进行股票量化交易时，可通过以下方法避免过度拟合。

一是运用样本外检验。把数据分为样本内和样本外两部分，先在样本内数据上构建模型，再用样本外数据测试模型效果。如果模型在样本外表现不佳，就说明可能存在过度拟合，需要调整模型。

二是简化模型结构。复杂模型容易过度拟合，所以尽量使用简单模型。例如，减少不必要的变量和参数，避免模型过于复杂去贴合历史数据中的噪声。

三是增加数据量。更多的数据能反映更多市场情况和规律，降低模型对局部数据的依赖。可以收集更长时间、更多交易品种的数据来训练模型。

四是正则化处理。在模型的目标函数中加入正则化项，限制模型参数的大小。参数值过大往往意味着模型对噪声过于敏感，正则化能防止参数变得过大，使模型更稳定。

五是交叉验证。将数据划分为多个子集，轮流用不同子集训练和验证模型。这样能全面评估模型在不同数据子集上的表现，减少因数据集选择导致的过度拟合。通过这些方法，可以提高量化交易模型的稳定性和可靠性。