过拟合（Overfitting）在回测里，是把策略调校成把历史数据集里的巧合噪声当成真实、可重复的优势来捕捉。结果在它被调校的那份数据上表现好，换个地方经常失效。
它是怎么运作的
风险随可调整参数数量相对独立数据量的大小增长。
在少量数据上用很多参数的策略，比在大样本上用少量参数的策略，匹配巧合的空间大得多。
为什么交易者需要知道
过拟合的回测夸大了策略的真实优势，当结果在实盘失效时会很贵。
它靠测试策略从没被调校过的时期、并检查模式是否在独立子周期里成立来暴露。
一个简单的市场例子
一位研究者纯粹因为改善历史拟合而加了第九个参数，没有独立理由。回测看起来更好，但改善来自对噪声的拟合，而不是发现。
常见误区
用历史拟合有多好看来评判策略，而不是用独立时期的一致性。
只为了改善拟合而加参数，没有独立理由。
常见问题
好看的回测能证明有优势吗？
不能单凭它。只有在通过参数、理由、子周期和日期敏感性检查之后才算证据。
多少个参数算太多？
没有固定数字。重要的是相对数据的数量，以及每个参数有没有独立存在的理由。
过拟合怎么暴露？
靠测试策略从没被拟合过的时期，以及把历史拆成独立子周期。
仅供教育用途。部分术语在不同国家、机构和市场中的具体口径可能不同。