過擬合（Overfitting）在回測裡，是把策略調校成把歷史資料集裡的巧合雜訊當成真實、可重複的優勢來捕捉。結果在它被調校的那份資料上表現好，換個地方經常失效。
它怎麼運作
風險隨可調整參數數量相對獨立資料量的大小增長。
在少量資料上用很多參數的策略，比在大樣本上用少量參數的策略，匹配巧合的空間大得多。
為什麼投資人需要知道
過擬合的回測誇大了策略的真實優勢，當結果在實盤失效時會很貴。
它靠測試策略從沒被調校過的時期、並檢查模式是否在獨立子期間裡成立來暴露。
一個簡單的市場例子
一位研究者純粹因為改善歷史擬合而加了第九個參數，沒有獨立理由。回測看起來更好，但改善來自對雜訊的擬合，而不是發現。
常見誤解
用歷史擬合有多好看來評判策略，而不是用獨立時期的一致性。
只為了改善擬合而加參數，沒有獨立理由。
常見問題
好看的回測能證明有優勢嗎？
不能單憑它。只有在通過參數、理由、子期間與日期敏感度檢查之後才算證據。
多少個參數算太多？
沒有固定數字。重要的是相對資料的數量，以及每個參數有沒有獨立存在的理由。
過擬合怎麼暴露？
靠測試策略從沒被擬合過的時期，以及把歷史拆成獨立子期間。
僅供教育用途。部分術語在不同國家、機構與市場中的實際用法可能不同。