訓練資料（Training Data）是用來建構、調整或驗證交易規則或模型的歷史樣本。它決定規則真正學到了什麼，而反覆在一段歷史上調過的規則，有風險被擬合到那段歷史的雜訊上，而不是擬合到更可能重現的東西上。
它怎麼運作
型態辨識規則編碼了一些標準，其中一部分可能被調整過，好讓它在某一段歷史樣本上表現好看。
當這種調整反覆針對同一份資料發生時，規則會開始描述樣本的怪癖，而不是普遍的市場行為。
為什麼投資人需要知道
樣本決定規則的行為是真的還是碰巧的。小樣本、單一市場或單一狀態，產生的數字可能無法轉移。
用規則沒有被調過的資料來測試，是檢查規則描述的是市場、還是只描述了過去的方法。
一個簡單的市場例子
一條掃描器規則被反覆調整，直到它在去年的圖表上得到亮眼的命中率。這個命中率描述的是去年的資料。要檢驗它，必須把它用在另一段它從沒被調過的歷史上。
常見誤解
不知道規則建立在什麼資料上，就相信它的表現。
反覆用同一段歷史調整同一條規則，這是另一種形式的過擬合。
常見問題
什麼樣的訓練資料算好？
大樣本、能涵蓋不同市場狀態的、而且規則沒有被過度調整過的資料。
只測過近期資料的規則能信嗎？
要謹慎。近期資料只是一個狀態，規則還應該在別的時段上檢查。
訓練資料和回測是一回事嗎？
訓練資料是用來建構規則的那個樣本。回測是在歷史上跑規則來評估它。兩者有重疊，但不是一回事。
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。