我们常常可以看到，回测的结果往往很好，但是实盘的效果却没有那么好。

到底是什么原因呢？

有人归因于策略知道的人多了。

确实是存在这样的情况，毕竟大家都使用同一种策略的情况下，对手盘就少了，滑点更高了，买入时候的价格更高，卖出时候的价格更低。

但一个自己开发出来的策略，没有人知道买卖的逻辑，实盘效果却也常常也不如回测的结果，这又到底是什么情况呢？

稍微懂点量化知识的人应该会站出来：这明显是过度拟合了嘛，为了回测效果好看，把参数调整到最优。

这一句话，咋一看挺有道理的，但其实是把参数调优和过度拟合混淆了。

1 参数调优

我们的交易模型，会有很多参数。

以我在文章《投资10年300倍，你也可以。》中的动态多因子策略为例，其中二八择时就涉及到指数、对比时间、突破涨幅几个参数。

指数可以选择：沪深300、上证50、中证500、中小板指R等等
对比时间可以是：20天、30天、60天等等
指数需要突破的涨幅可以是：0%、1%、2%等等

我们将这些参数进行组合调整，让回测效果达到最优的过程，其实就是参数调优。

我们在寻找最优参数的时候，其实是寻找该参数对应的市场环境。

未来市场的情况和过去市场的情况越接近，未来的交易结果就和过去的交易结果越接近。

但是未来永远不等于过去，我们得到的结果往往也就和回测的结果不一致。

这就是为什么实盘的效果，往往要比回测效果要差的原因。

这样的情况下，我们要去调优参数吗？

答案是肯定的。

回测的结果和参数，其实是符合正太分布的。因为对于最优参数，不管是上调还是下调，回测效果都会下滑。

我们看看下图：

图片来自于《海龟交易法则》

调优前是参数A，调优后是参数B。

如果实盘的效果是一个落点范围，那么参数B对应的整体效果是要好于参数A对应的整体效果的。

这也是我们要进行调优参数的原因。

2 过度拟合

过度拟合，和参数调优有点不一样。

我觉得最好的区分方式就是：策略中添加的规则对于市场是否具有普适性。

例如前面举例二八轮动择时的规则，是普遍适用于整个市场的。

分散到各个年份，我们其实可以看到跑赢指数的年份，比跑输指数的年份要多。

在这样的规则下，调整参数，达到最优回测结果效果，是参数调优。

而为了某些特定市场情况所设置的规则，只影响到几笔重大的交易，最终让回测结果显得很好看，其实是在过度拟合。

例如我在《投资10年300倍，你也可以。》策略中，所开启的“指数高低价比值止损”只触发了一次。

这一条规则很难说在未来是否仍然会触发，但是会让回测结果很好看，这就是过度拟合。

如果量化的时候，不能区分参数调优和过度拟合，我们要么就是没有调优参数，要么就是进行了过度拟合。

不管是哪一种情况，对于实盘来说，都是不利的。

文章提前发布在**：止一之路