回测曲线漂亮就靠谱吗？75组参数实测：样本内第1名，样本外排倒数第1

做回测的人几乎都经历过：调了几轮参数，收益曲线漂亮得不像话，一上实盘就亏。这就是过拟合——参数记住了历史数据里的噪声，而不是找到了规律。

光讲概念没意思，我们直接做一个实验。

实验设计

策略：N 日累计跌超 X%，且当日收阳。信号次日开盘买入，持有 H 个交易日后收盘卖出。

参数网格：

• – N（统计跌幅的天数）：3、5、10
• – X（跌幅阈值）：5%、10%、15%、20%、25%
• – H（持有天数）：1、3、5、10、20

共 3 × 5 × 5 = 75 组参数。

样本内：2016–2020 年，用来挑参数。
样本外：2021–2025 年，挑完之后只看一次，不再调整。

评价指标：日均超额 = 持有期超额收益 ÷ 持有天数。超额收益相对同日全部股票平均，除以天数后，不同持有期可以放在一起比较。

股票池为全 A 股，排除 ST、北交所，股价不低于 3 元，价格后复权，未计交易成本。

结果：样本内前10名，样本外表现如何

胜率指持有期收益大于 0 的比例。

样本内的第 1、2 名，到了样本外是倒数第 1、2 名。 样本内排第 6 的也掉到了第 73 名。

如果你在 2020 年底做了这次参数优化，选了「3 日跌超 25%，持 1 日」——样本内每天 +1.30% 超额、胜率 63%——接下来 5 年会稳定亏钱。

规律一：样本越小，排名越不可信

把 75 组参数按样本内信号数分成两类，看样本内和样本外排名的相关系数：

信号多的参数组合，样本内好的样本外大概率也好；信号少的组合，排名几乎完全反过来。

样本内第 1 名只有 140 个信号，5 年里平均每年 28 次。这么少的样本，几次运气好的大涨就能把平均数拉得很高。

规律二：「挑出来的最优」不如「随便选」

按样本内表现精挑细选出来的前 10 名，样本外平均反而不如 75 组随便选。原因就是前 10 名里混进了样本少、靠运气排上来的组合。

需要说明的是，2021–2025 年整体对这类超跌反弹策略比较友好，75 组里有 66 组样本外为正。在更差的市场环境里，过拟合的代价会更大。

规律三：持有期太短，噪声最大

持有 1 天的组合在样本内看起来最好，样本外却是唯一整体为负的。持有 1 天的收益其实是「次日开盘到收盘」的日内波动，噪声极大；而且实盘里每天换仓的手续费会进一步吃掉收益。

真实案例：样本外的「第三段」

即使通过了样本外检验，也不代表永远有效。

我们的经典策略观察池里有「5 日跌超 20% 且收阳，持有 5 日」。2016–2025 年平均 5 日超额 +1.66%，10 年里 7 年跑赢，看起来很稳健。但 2026 年前 9 个月，这个信号的 5 日超额是 −3.54%，胜率只有 31%。

市场环境会变，策略会失效。回测通过只是起点，上线后还要持续跟踪。

3个识别过拟合的方法

1. 先看样本量

信号数少于 1,000 的回测结果，收益数字基本不可信。还要看信号是不是集中在某一两年：如果大部分收益来自 2015 年或 2024 年，那它测的其实是那一年的行情。

2. 留一段样本外

把数据分成两段：前一段用来挑参数，后一段只用来验证，而且只验证一次。如果看了样本外结果再回去改参数，样本外也就变成了样本内。

3. 看参数的「邻居」

好参数周围的参数也应该不错。上面的例子里，「10 日跌超 20%/25%，持 3–5 日」是一片表现都不错的区域，像一块高原；而「3 日跌超 25%，持 1 日」是孤零零的一个尖峰，旁边的参数表现都很一般。选高原，不选尖峰。

另外，一定要扣除交易成本再看结果。A 股双边成本大约在 0.1%–0.2%，持有期越短，成本的影响越大。

在青柠量化里怎么做

青柠量化的回测报告自带过拟合检测（Reality Check 评级），会对策略在全市场做截面检验。做参数优化时，建议先在较早的年份里调参，再用最近一两年单独回测一次，看结果是否一致。

口径说明

信号数为触发次数，同一只股票可多次计入。次日一字涨停买不进的信号剔除。收益未计交易成本。历史统计不代表未来表现，不构成投资建议。