训练数据（Training Data）是用来构建、调整或验证交易规则或模型的历史样本。它决定规则真正学到了什么，而反复在一段历史上调过的规则，有风险被拟合到那段历史的噪声上，而不是拟合到更可能重现的东西上。
它是怎么运作的
形态识别规则编码了一些标准，其中一部分可能被调整过，好让它在某一段历史样本上表现好看。
当这种调整反复针对同一份数据发生时，规则会开始描述样本的怪癖，而不是普遍的市场行为。
为什么交易者需要知道
样本决定规则的行为是真的还是碰巧的。小样本、单一市场或单一状态，产生的数字可能无法迁移。
用规则没有被调过的数据来测试，是检查规则描述的是市场、还是只描述了过去的方法。
一个简单的市场例子
一条扫描器规则被反复调整，直到它在去年的图表上得到亮眼的命中率。这个命中率描述的是去年的数据。要检验它，必须把它用在另一段它从没被调过的历史上。
常见误区
不知道规则建立在什么数据上，就相信它的表现。
反复用同一段历史调整同一条规则，这是另一种形式的过拟合。
常见问题
什么样的训练数据算好？
大样本、能覆盖不同市场状态的、并且规则没有被过度调整过的数据。
只测过近期数据的规则能信吗？
要谨慎。近期数据只是一个状态，规则还应该在别的时段上检查。
训练数据和回测是一回事吗？
训练数据是用来构建规则的那个样本。回测是在历史上跑规则来评估它。两者有重叠，但不是一回事。
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。