過度拟合最初是統計學數據挖掘領域中的概念，如今在機器學習、量化策略領域裡有着重要地位。
首先，什麼是“拟合”？拟合指在訓練集上訓練模型，使模型的預測結果和已知數據相符。通俗地講，拟合就是指定一個量化策略模型。
當一個量化策略模型在确定了基本投資框架和交易規則後，還需要将策略中的參數進行細調和優化，進一步提高收益并降低波動率，在這個細調優化的過程中，就容易發生“過度拟合”。
參數調優是優化的主要方法之一，其中包括調整參數值和增減參數數量。比如将原參數“虧損15%止損”調整為“虧損10%止損”，增加參數“上穿25日均線買入”等，如果在參數設置調整後，該策略模型的回溯測試表現更好，那麼就會保留這個新的參數設置。
然而，當這個根據樣本數據進行參數調優後的策略模型，在對樣本外的數據進行測試時效果并不佳，這就是過度拟合。專業概念上講，過度拟合就是指在調試一個複雜策略模型時，使用或調整了過多參數，導緻根據回測樣本訓練出來的模型對樣本外的數據預測效果很差。簡單而言，策略模型在拟合後，回溯測試表現很好，但到了實盤執行就不靈了。
我們将産生過度拟合的原因一般總結為：訓練樣本數據不夠、模型過度訓練（使用過多的參數，導緻策略模型在訓練集外數據的預測效果并不好）。
策略模型過度拟合的一些征兆表現為：
1. 使用奇怪的篩選閥值。比如市盈率在2.05到12.61之間等；
2. 參數過于複雜，參數的數量級接近甚至超過樣本的數量級；
3. 不能解決廣泛的問題，隻在特定範圍内有效。
所以相對的，避免過度拟合的方法包括：
1. 增加數據集；我們要采取大量的曆史數據來測試，如果測試數據過少，即使我們的策略在樣本内的表現非常好，那麼也不具備說服力；
2. 使用一些方法比如Early Stopping、正則化、Dropout來避免模型過度訓練。
,更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!
zpostcode 
Recruit 
weather 
mreligion 
Yellowpages 
sport 
constellation 
shopping 
name 
game 
directory 
literature 
Word 
tour 
furnish 
Lottery 
tftnews 
lyrics 
News 
digital 
car 
dir 
Edu 
Finance 
