01
过拟合的本质
从偏差-方差困境看策略失效的根源，理解过拟合在量化交易中的具体表现。
偏差-方差量化失效
02
数据窥探偏差
为什么回测漂亮实盘就崩？数据窥探的心理学根源与统计本质。
回测陷阱心理学
03
样本内与样本外
如何科学划分训练集、验证集、测试集，避免未来信息泄露。
数据划分未来泄漏
04
交叉验证的艺术
K折交叉验证、滚动交叉验证在时间序列数据中的正确打开方式。
K折滚动验证
05
参数空间诅咒
参数越多越容易过拟合，如何用奥卡姆剃刀原则简化策略。
奥卡姆剃刀简化
06
正则化技术
L1/L2正则化在策略参数优化中的实战应用，防止参数膨胀。
L1/L2参数收缩
07
早停法
在策略进化中何时喊停？基于验证集性能的早停策略。
早停验证集
08
集成学习防过拟合
Bagging、Boosting、Stacking如何通过组合降低方差。
BaggingBoosting
09
特征选择降维
主成分分析、互信息、递归特征消除在因子筛选中的应用。
PCA互信息
10
蒙特卡洛模拟
通过随机参数扰动评估策略的鲁棒性，识别过拟合信号。
鲁棒性随机扰动
11
夏普比率陷阱
为什么高夏普比率往往是过拟合的产物？调整后的绩效指标。
夏普陷阱调整指标
12
回测中的生存偏差
幸存者偏差如何美化回测结果，以及如何修正。
幸存者偏差修正
13
交易成本敏感性
过拟合策略对滑点、手续费极其敏感，如何测试稳健性。
滑点手续费
14
时间序列交叉验证
针对金融数据的特殊交叉验证方法，避免时间泄漏。
时间序列泄漏
15
模型复杂度曲线
绘制训练误差与验证误差曲线，找到最佳复杂度拐点。
误差曲线拐点
16
随机化检验
通过打乱标签或时间顺序，检验策略是否真的发现了规律。
打乱标签显著性
17
多市场验证
同一策略在不同市场（A股、港股、美股）的表现一致性检验。
跨市场一致性
18
参数敏感性分析
热力图展示参数变化对绩效的影响，识别脆弱区域。
热力图脆弱区域
19
滚动回测与Walk-Forward
动态优化与静态验证的结合实践。
Walk-Forward动态优化
20
信息系数衰减
因子IC随时间衰减的速度，作为过拟合的预警指标。
IC衰减预警
21
策略多样性指数
衡量策略池中策略的相关性，避免同质化过拟合。
相关性同质化
22
贝叶斯方法
用先验分布约束参数，通过后验概率评估策略可靠性。
先验后验概率
23
对抗验证
用分类器区分训练集与测试集，检测数据泄漏与分布偏移。
对抗分布偏移
24
置换特征重要性
通过打乱单个特征评估其对模型贡献的真实性。
置换特征贡献
25
学习曲线诊断
通过样本量变化下的模型表现，判断是否过拟合或欠拟合。
学习曲线欠拟合
26
正则化路径
Lasso回归中随着惩罚系数变化，特征如何被逐步剔除。
Lasso特征剔除
27
伪回归与协整
时间序列中虚假回归的识别，以及协整检验的必要性。
伪回归协整
28
回测过拟合概率
Deflated Sharpe Ratio等统计指标量化过拟合风险。
DSR过拟合概率
29
实战案例复盘
一个经典过拟合策略的完整诊断与修复过程。
案例修复
30
过拟合控制体系
构建从数据、模型、验证到部署的全流程防过拟合框架。
全流程框架