·
策略是否有Overfitting的問題，應該是每位程式交易者撇除網路斷線、系統不穩等軟硬體問題後，最為擔心的事情。
Overfitting這個詞是源自於統計學的領域，翻譯成中文除了大家常聽到的過度最佳化之外，也稱作過適、過度擬和。大意是指在調適一個統計模型時，使用過多參數。
如果搜尋維基百科，將有以下非常饒口的解釋：
很饒口對吧，但如果將這個解釋套用在交易上並翻成白話，意思其實很簡單，就是如果策略的參數過多，實際運用在交易就很難擁有像歷史績效表上那樣的獲利。
不過維基百科也有補充：過適的可能性不只取決於參數個數和資料，也跟模型架構與資料的一致性有關。
意思是當一個策略如果真的有Overfitting問題時，除了參數過多這個原因之外，也跟邏輯架構有關。除了這兩點，我認為也跟這套參數是否是＂參數孤島＂有關。
而這樣的概念其實相當符合我們的交易經驗，因為我們的組合裡，有不少多參數策略的獲利近期持續再創新高，因此確實能夠說明過適現象並不只取決於參數的多寡而已。(當然也不乏表現差強人意的)
像上週的文章有分享，alpha的策略組裡，有些策略的參數可以到十個以上，但績效卻依然可以持續創高。
但要注意的是，不是任何參數多的策略都可以上線，一定還需要有其他的衡量標準才行。
例如alpha就認為參數多的策略，交易次數也要夠多才行。
因為交易次數多，就意味著有較高的重現性。
像這支策略的參數一共有12個，但從完成至今已過了一段時間，但至今獲利卻仍然可以持續創新高。
因此參數是否過多，並不是發生Overfitting的唯一原因。
最後，我們來做個重點總結：
不論參數多寡與過去績效多好，任何策略遲早都會遇到無法應付的盤勢，也都會有Overfitting的可能。
因此、是否擁有互補性高的多策略模組，以及資金控管、策略控管等風控措施是否正確，才是交易這條路是否能走得順利、走得長遠的重要關鍵。