01
过拟合的本质
什么是回测过拟合？做市策略特别容易过拟合的原因。数学定义与直观理解。
核心概念数学
02
过拟合的代价
实盘与回测的巨大落差、资金曲线虚假繁荣、策略失效的必然性。
风险认知
03
过拟合的根源
数据窥探偏差、参数过度优化、样本内选择偏差、幸存者偏差。
偏差根源
04
数据窥探偏差
多次回测导致的信息泄露，如何避免在回测中“偷看”未来数据。
数据泄露预防
05
参数优化陷阱
网格搜索的诅咒、优化参数数量与过拟合的关系、参数稳定性检验。
参数网格搜索
06
样本内与样本外
划分原则、时间序列交叉验证、滚动窗口验证方法。
验证时间序列
07
交叉验证技术
K折交叉验证在时间序列中的变体、前向链接验证、组合交叉验证。
交叉验证稳健
08
夏普比率操纵
如何通过过拟合制造高夏普比率、夏普比率的统计显著性检验。
夏普操纵
09
回测平台偏差
不同回测引擎差异、撮合机制影响、手续费与滑点设置。
平台偏差
10
过拟合检测指标
回撤深度与频率、收益分布偏度、策略参数敏感度分析。
检测指标
11
Deflated Sharpe Ratio
原理、计算方法、如何用DSR判断策略是否真的有效。
DSR统计
12
NumPy与Pandas基础
向量化回测的基石、数据清洗与重采样、性能优化技巧。
编程工具
13
构建回测框架
事件驱动 vs 向量化回测、做市策略订单簿模拟、仓位管理模块。
框架做市
14
特征工程与过拟合
特征数量与过拟合的关系、特征选择方法、PCA降维应用。
特征降维
15
正则化技术
L1/L2正则化在策略参数中的应用、早停法、Dropout思想迁移。
正则化防过拟合
16
集成学习与过拟合
Bagging减少方差、随机森林特征随机性、Boosting的过拟合风险。
集成Bagging
17
贝叶斯方法
先验分布约束参数、贝叶斯优化代替网格搜索、概率编程实战。
贝叶斯优化
18
蒙特卡洛模拟
生成合成价格路径、评估策略在随机数据上的表现、p-value计算。
模拟随机
19
置换检验
打乱交易信号与收益对应关系、检验策略是否具有预测能力。
置换显著性
20
Walk-Forward分析
滚动优化与测试、参数衰减监控、自适应策略框架。
Walk-Forward自适应
21
组合过拟合
多策略组合伪分散化、相关性陷阱、组合夏普比率膨胀。
组合伪分散
22
机器学习过拟合
决策树剪枝、SVM核函数选择、神经网络正则化、XGBoost调优。
ML剪枝
23
回测过拟合竞赛案例
经典论文复现、Kaggle竞赛过拟合现象、教训总结。
案例竞赛
24
实盘验证协议
模拟盘过渡期、逐步加仓策略、实盘与回测偏差量化监控。
实盘验证
25
过拟合消除工作流
数据准备→特征选择→交叉验证→参数约束→统计检验→实盘验证。
工作流系统
26
统计检验工具箱
t检验、KS检验、ADF检验、Jarque-Bera检验在策略评估中的应用。
统计检验
27
可视化诊断
参数热力图、学习曲线、回撤分布图、收益相关性矩阵。
可视化诊断
28
策略复杂度度量
VC维、AIC/BIC准则、最小描述长度原则在策略选择中的应用。
复杂度VC维
29
鲁棒性测试
不同市场环境测试、极端行情压力测试、参数随机扰动测试。
鲁棒性压力
30
构建反过拟合文化
团队协作回溯偏差控制、回测报告标准化、持续学习与迭代。
文化团队