这个关键导致你开发的EA回测会赚钱，实盘却亏钱！

不论是哪种最佳化方式，我们都应该要透过一些方式去检验交易策略是否有最佳化区间表现很好，但是在没有使用最佳化的区间却表现不如预期的现象，而这样的现象我们称之为过度最佳化(Overfitting)。

验证策略是否过度最佳化有两种常见的方式：

1、样本内样本外(Insample – OutSample, 简称IS/OS)

2、三分资料法

IS/OS的做法是将历史资料切成两段，一段区间为样本内，其他资料为样本外。样本内的资料通常会包含多头、空头、盘整三种行情，这样才能让我们的策略找到在这三种行情中都能维持一定风报比的参数或模组；样本外的资料则用来验证这些参数/模组是否依然能维持一定的水准，而通常样本外的风报比不会比样本内来的好。

包含多头(蓝圈)、空头(白圈)、盘整(黄圈)的样本内资料

三分资料法的原理为IS/OS的延伸，三分资料法会将历史资料切成三分，样本内、样本外、以及验证集(Validation Dataset)。样本内外定义同IS/OS，唯一的差别在于三分资料法会挑选样本外与样本内绩效差异最小的参数作为上线参数；验证集的功能是保留距今至少一年的资料不做开发，不做开发的意思是，从一开始的看盘→最佳化→挑选参数/模组都完全不参考这段资料，保留这段资料的目的有二：

将这隻策略当作是一年前开发完毕，近一年的绩效可当作上线绩效。

由于开发过程完全没有碰到近一年的资料，因此近一年的绩效参考价值高，因此相当适合当作策略管理的依据。

IS/OS与三分资料法各有其优缺点，IS/OS的优点在于可以针对近期行情去修正策略，而三分资料法至少要保留近一年的资料，因此三分资料法比较做不到；三分资料法的优点则是有近一年的绩效可当作权重调整的依据，IS/OS则无。

若策略是採用策略产生器的开发方式较建议用三分资料法的验证方式，因为逻辑最佳化的策略比较不容易适应未知的行情走势，所以还是会建议保留近一年的绩效做为权重调整的依据。

最佳化对程式交易来说是双面刃

最佳化是程式交易十分强大的武器，这样的武器若没有正确的使用会使自己面临到十分大的风险。虽然我们介绍了一些验证策略是否过度最佳化的方式可以降低这些风险，但是实际上几乎没有任何方式可以避免策略失效，我们能够避免的只有降低策略失效所造成的伤害，并且东山再起的能力，也因此我们需要策略管理、资金管理、以及开发策略的能力。

#EA交易讨论专区#