QMT量化策略怎么判断是否过拟合？训练集和测试集表现差多少算异常？

判断一套QMT策略是不是过拟合，最直接的办法就是把训练阶段和测试阶段的表现放在一起比。典型的信号很明确：样本内数据上跑得漂亮，换到没见过的数据上，成绩立刻掉下来。 **过拟合到底怎么来的** 说白了，策略在拟合阶段把训练数据里那些偶然波动也当成规律学进去了。这些波动只属于那一段行情，不代表市场的普遍特征，所以样本外的数据一换，逻辑就撑不住了。参数越多、条件越细，越容易往这个方向走。 **具体怎么落地操作** 第一步，把历史数据切成两段。较早的一段留给策略做拟合，较近的一段留作验证，两段不要重叠。 第二步，对照两段的核心指标看，主要看年化收益和最大回撤。经验上，如果样本内年化收益比样本外高出15%以上，就该警惕了。 第三步，多切几组验证区间重复测试，观察结果是否稳定。只测一次偶然性太大，多切几次才能看出真伪。 **一个直观的例子** 假设用2021至2023年的数据做训练，2024年数据做验证：样本内年化22%，样本外只剩4%；回撤方面，训练阶段2%，验证阶段扩大到11%。收益大幅缩水、回撤明显放大，这种组合基本可以判定为过拟合。 **要避开的坑** 不要为了让样本内曲线好看，硬往策略里堆条件、加细节。参数加得越多，曲线越平滑，实盘的适应性反而越差。宁可牺牲一点历史表现，也要留住策略的普适性。