量化策略过拟合诊断与避免

📚 共计 30 章节

过拟合的本质

什么是过拟合 · 量化策略中的表现 · 与欠拟合对比

核心概念诊断基础

过拟合的常见原因

数据量不足 · 特征维度过高 · 模型复杂度过大 · 参数过度优化

成因分析数据视角

过拟合的诊断方法

样本内外差异 · 回测与实盘差距 · 夏普比率陷阱

诊断工具实战检验

过拟合的量化指标

夏普比率衰减 · 最大回撤异常 · 收益分布偏态 · 稳定性系数

指标体系风险度量

交叉验证技术

K折 · 滚动 · 组合 · 时间序列交叉验证

验证方法时序适配

正则化方法

L1/L2 · 弹性网络 · Dropout在量化中的应用

模型约束Lasso/Ridge

特征选择技术

过滤法 · 包裹法 · 嵌入法 · PCA · 特征重要性

降维特征工程

数据增强方法

合成数据 · 噪声注入 · 重采样 · 市场状态模拟

数据扩充鲁棒性

模型复杂度控制

奥卡姆剃刀 · 参数限制 · 容量与数据量匹配

简约原则容量管理

回测框架防过拟合设计

避免未来信息 · 生存者偏差 · 前视偏差 · 数据泄露检测

回测安全偏差控制

参数优化与过拟合

网格搜索陷阱 · 随机搜索 · 贝叶斯优化 · 参数稳定性测试

优化策略调参艺术

多市场验证

跨市场/周期/品种测试 · 鲁棒性检验

泛化能力外部验证

蒙特卡洛模拟在过拟合检测中的应用

随机回测 · 分布检验 · 置信区间估计

模拟检验统计推断

Walk-Forward分析

滚动窗口优化 · 递进测试 · 参数衰减监控

动态验证参数漂移

策略组合与过拟合

多策略分散 · 低相关性组合 · 权重优化风险

组合管理分散风险

机器学习模型的过拟合防控

决策树剪枝 · 随机森林OOB · XGBoost早停法

ML防控树模型

深度学习在量化中的过拟合问题

LSTM/注意力过拟合 · Batch Normalization

深度学习正则化

过拟合的统计检验

Diebold-Mariano · Hansen SPA · White现实性检验

统计检验假设检验

数据划分策略

时间序列划分 · 分层抽样 · 避免数据泄露

数据划分泄露预防

特征工程中的过拟合

特征衍生过度 · 选择偏差 · 多重比较谬误

特征陷阱多重比较

回测中的多重测试问题

Bonferroni校正 · FDR控制 · Holm方法

多重假设统计校正

策略绩效归因与过拟合

Brinson归因 · Barra模型 · 虚假发现

归因分析绩效诊断

过拟合的视觉诊断

学习曲线 · 验证曲线 · 收益对比 · 参数热力图

可视化诊断图谱

实盘监控与过拟合预警

绩效衰减检测 · 风格漂移 · 实时过拟合指标

实盘风控预警系统

过拟合的贝叶斯视角

先验选择 · 后验更新 · 贝叶斯模型平均

贝叶斯概率视角

信息论与过拟合

AIC/BIC准则 · 最小描述长度原则

信息准则模型选择

过拟合的心理学因素

确认偏误 · 幸存者偏差 · 后见之明 · 过度自信

行为金融认知偏差

过拟合的行业案例研究

LTCM教训 · 量化基金失败 · 策略失效模式

案例历史教训

防过拟合的策略开发流程

假设驱动 · 分步验证 · 独立评审 · 沙盒测试

开发流程质量保障

过拟合诊断工具与平台

Alphalens · Pyfolio · Zipline · 商业/自建监控

工具生态Python