过度优化是参数调优导致回测虚高、实盘失效的现象，需通过样本外测试、限制搜索空间、随机扰动检验和滚动窗口一致性评估五步法识别与规避。
Binance币安：
欧易OKX：
一、理解过度优化的本质
过度优化指在技术指标参数设置中反复调整，使回测结果高度拟合历史行情，却丧失对新行情的适应能力。其核心表现是策略在历史数据上胜率虚高，实盘表现急剧下滑。
1、检查所用指标是否在多个周期内均出现相同信号失效现象。
2、对比该参数组合在近三年不同市场阶段（牛市、熊市、震荡市）的盈亏比分布。
3、观察信号触发频率是否显著高于同类未调参策略，且多数信号无后续价格响应。
二、采用样本外测试验证
将全部历史数据严格划分为训练集与测试集，仅在训练集上调整参数，所有结论必须通过独立测试集验证。避免任何参数选择行为污染测试环境。
1、按时间顺序取前70%数据为训练区间，后30%为固定测试区间。
2、在训练区间内完成全部参数寻优后，立即冻结所有参数，不再做任何修改。
3、在测试区间运行完整策略，记录原始信号、持仓周期与最终盈亏结果。
三、限制参数搜索空间
人为设定参数的合理边界，防止算法陷入极端数值组合。边界应基于市场微观结构与资产波动特性确定，而非单纯追求统计最优。
1、均线类指标周期值限定在5至200之间整数，跳过所有非整数及超出范围数值。
2、RSI阈值仅在20至80区间内以5为步长枚举，排除15、85等边缘值。
3、布林带标准差倍数固定为1.5、2.0、2.5三档，不进行小数点后一位以上精度尝试。
四、引入随机化扰动检验
对已选定参数施加微小随机扰动，观察策略表现变化幅度。若轻微变动即导致胜率或最大回撤剧烈波动，则原参数存在过拟合风险。
1、对每个关键参数生成±3%均匀分布扰动值，构造100组新参数组合。
2、在相同测试区间运行全部扰动组合，统计胜率标准差。
3、若胜率标准差超过8个百分点，判定该参数集不可靠，需返回重新筛选。
五、使用滚动窗口一致性评估
将测试区间切分为多个连续子窗口，在每个窗口内独立评估策略表现。一致性高的策略更可能具备稳健性，而非依赖特定历史片段。
1、将测试数据按每90天划分为一个滚动窗口，重叠率为50%。
2、在每个窗口内单独计算夏普比率与盈利交易占比。
3、若超过40%的窗口出现夏普比率小于0.3，则拒绝该参数配置。
