过拟合本质上是参数把历史噪音当成了规律来学。你现在这个问题很典型,优化集和测试集混用了。比较实用的做法是把数据切成三段,训练集2020到2022用来跑优化,验证集2023用来筛参数,保留在两段都表现稳定的那组,再拿2024到2025这个完全没参与过优化的样本外数据做最终验证,如果样本外净值曲线大幅回撤或者胜率掉一半以上,基本就是过拟合了。另外参数别太精细,周期类指标留3到5档粗筛就够了,优化步长放粗一点,比如均线周期从5/10/20试而不是从5/6/7/8一路扫到50,扫得越细越容易把噪声拟合进去。最后看两个数就够了,净利润最大回撤比要大于1.5,并且样本外和样本内的盈利因子差值别超过0.3,超过就说明参数不稳。别迷信一组完美参数,能在不同品种和不同周期上都跑得差不多的参数,才是真参数。
