一、这个方法解决什么投资问题

每个人学会回测后的第一件事，都是写个循环把参数全试一遍，然后挑收益最高的那组。

，它在机器学习里是标准操作，在量化里却是头号杀手。原因很简单：

历史只有一条，你试的组合越多，撞上"运气好"的组合的概率就越大。

二、核心思想：冠军 ≠ 最优，冠军 = 最会拟合噪声的那个

你按样本内收益排名，排在第一的往往不是"真实规律最强"，而是"

"。噪声不会重复，所以到了样本外，冠军就现原形。

样本内冠军，在样本外能不能跑赢所有参数的平均值？

 跑不赢，说明你的排名毫无预测力。

grid = [(f, s) for f in (3,5,8,10) for s in (15,20,30,40)]   # 16 组
rows = [(f, s, ret(ins,f,s), ret(oos,f,s)) for f,s in grid]  # 样本内/外各跑一遍
rows.sort(key=lambda r: -r[2])                                # 按样本内排名

真实输出（2026-08-06，000001，16 组参数，样本内/外各 125 根）：

样本内前五名，样本外全是负的。

如果排名有预测力，你至少应该看到"名次越靠前，样本外越好"的趋势。实际是完全没有相关性——第 3 名 (5,40) 的样本外 −1.23%，反而比冠军好。

−2.32% 还跑输了 16 组的平均 −0.12%

你花力气挑出来的参数，还不如闭着眼睛随便选一组

。这就是过拟合的定义——优化过程不但没帮上忙，还起了反作用。

：本例只有 2 个参数、16 种组合就已经这样了。如果你加上止损比例、持仓上限、过滤条件……组合数轻松破万，"总能找到一组回测翻倍的"，然后你就真的信了。

网格搜索找到的"最优参数"，多数时候只是

样本内冠军，样本外能否跑赢参数平均

。跑不赢，就别信排名，去看参数高原。

——不改策略、不调参数，只靠"多买几个"就能降 26% 的波动。

这个动作叫网格搜索（grid search），它在机器学习里是标准操作，在量化里却是头号杀手。原因很简单：历史只有一条，你试的组合越多，撞上"运气好"的组合的概率就越大。

【量化投资从入门到精通 #28】参数优化的陷阱：网格搜索为什么会过拟合

编程语言

算法

职业发展

网格搜索挑参数是量化最大陷阱：样本内冠军往往只是最会拟合噪声，样本外跑输平均值2.2个百分点。用样本外排名判断预测力，无相关性即过拟合。参数越少越好，要看连续参数高原而非孤峰。

机器学习

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

【量化投资从入门到精通 #28】参数优化的陷阱：网格搜索为什么会过拟合

【量化投资从入门到精通 #28】参数优化的陷阱：网格搜索为什么会过拟合

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐