刚接触量化的人经常会听到一句评价："这策略过拟合了"，或者反过来"这策略太简单，欠拟合"。听起来很专业，但很多人只是记住了这两个词，没真正搞清楚它们在策略回测里具体指什么、怎么判断自己的策略中了哪一个。
这篇文章用两句话先把结论摆出来，再展开讲：
过拟合：策略在历史数据上表现极好，是因为它"记住"了这段历史的具体噪声和偶然事件，而不是学到了真实规律——换一段数据、换一批股票，立刻打回原形。
欠拟合：策略太粗糙、太简单，连历史数据里真实存在的规律都没抓住，表现平庸，怎么调都不会好看。
一、一个直观的例子：为什么"历史上年化40%"不一定可信
假设你在做一个MACD策略的参数扫描，测试了200组不同的快线/慢线/信号线周期组合，回测区间是过去3年。扫描结束后，你发现有一组参数"年化收益42%，夏普1.8"，看起来非常漂亮。
这时候要警惕一个事实：哪怕策略的逻辑完全是瞎写的、纯随机的，只要你测试的参数组合足够多，也几乎必然会出现一组"历史上表现很好"的结果——这不是运气特别好，而是"多重比较"下的数学必然。这组参数很可能只是恰好匹配上了这3年历史数据里的某些偶然波动，而不是真的找到了普适规律，这就是过拟合的典型表现。
反过来，如果你的策略只用一条最简单的均线金叉，什么过滤条件都不加，回测结果长期平庸、无论怎么微调周期都提升不大——这更接近欠拟合：策略本身的表达能力太弱，连数据里存在的真实规律都表达不出来。
二、怎么从回测结果上判断是过拟合还是欠拟合
| 现象 | 更像过拟合 | 更像欠拟合 |
|---|---|---|
| 参数敏感度 | 稍微改一点参数，收益天差地别（"参数悬崖"） | 怎么改参数，结果都差不多 |
| 换股票池表现 | 换一批股票立刻崩盘 | 换股票池表现依然平庸，没有明显变化 |
| 交易次数 | 往往交易次数很少，靠几笔极端交易撑起收益 | 交易次数正常，但单笔胜率/盈亏比都不出色 |
| 样本外表现 | 样本外（未参与调参的数据）表现大幅衰减 | 样本外表现和样本内差不多，但两者都不理想 |
需要说明的是，过拟合和欠拟合不是两个互斥的黑白结论，很多策略其实处在中间状态——比如逻辑本身欠拟合（太简单），但某个参数又恰好过拟合了某段历史。判断时不能只看一个数字，要结合"参数敏感度+样本外表现+交易次数"一起看。
热力图是一个很直观的判断工具：如果表现好的参数只是热力图上孤零零的一格"尖峰"，周围表现骤降，大概率是过拟合；如果是一整片连续区域表现都不错（"参数高原"），说明这组参数相对稳健，不是靠碰运气对上历史噪声。
三、防止过拟合的核心方法：样本外验证（Walk-Forward）
判断出问题后，怎么解决？量化研究里最直接的方法是样本外验证（也叫Walk-Forward，步进验证）：把历史数据切成"训练窗"和"测试窗"两段，只在训练窗里调参数、选策略，然后把这组参数原封不动地拿到测试窗（模型完全没见过的数据）上检验表现。
如果一组参数在训练窗里表现很好，但在测试窗里表现大幅衰减，基本可以确认是过拟合；如果测试窗表现和训练窗接近甚至更稳定，说明这组参数捕捉到的是相对普适的规律，可信度更高。
在实际操作中，比较推荐的做法是同时跑三组回测做对照：默认参数（教科书常用值）、全样本最优参数（扫描出来历史上最好的一组）、样本外推荐参数（经过训练/测试窗验证后的一组）。如果全样本最优和样本外推荐差异巨大，本身就是一个"这组参数可能过拟合"的信号。
四、常见误区
- 1. 误区一：回测收益越高越好。收益极高往往伴随过拟合风险，尤其当交易次数很少、参数敏感度很高时，更应该打个问号，而不是直接采信。
- 2. 误区二：把"全样本最优参数"当成实盘参数。全样本最优是"如果我能穿越回去、提前知道未来哪组参数最好"这种上帝视角的结果，实盘中你永远不可能提前知道，这组参数上实盘的表现通常会明显衰减。
- 3. 误区三：欠拟合的策略"稳定"就是好事。稳定的平庸和稳定的优秀是两件事，欠拟合策略的"稳定"只是因为它什么都没学到，不代表可以放心用。
五、结语：目标不是"找到最优参数"，而是"找到样本外仍站得住的参数"
过拟合和欠拟合本质上是一个"模型复杂度和数据规律之间怎么匹配"的问题，量化策略只是这个通用概念的一个具体应用场景。判断自己的策略有没有踩坑，不能只看历史收益一个数字，而要结合参数敏感度、样本外验证结果、交易次数一起综合评估。
如果你正在做参数扫描和历史回测，青柠量化 提供策略编辑器、历史回测与专业版的参数扫描、样本外验证（WFO）能力，可以帮你把"这个参数是不是碰运气"从直觉判断变成有数据支撑的结论。免费版即可完成策略搭建、常规回测与动画复盘。
下载与说明见产品页：
https://www.zpyztech.com/product/qingquant/
免责声明： 本文仅作量化研究方法与软件使用说明，不构成任何投资建议。历史回测结果不代表未来表现，请独立判断并自行承担交易风险。