有客户问如何才能防止自己优化的参数不是过度优化了，以前只说过单量要保证不偏离，今天针对这个问题详细说一下我的一些看法。
ea优化并不是很难的工作，设置好参数区间让他跑起来就可以，现在拿常用的两种优化方式说一下：
第一种：全时间优化，比如有10年数据，就10年数据做优化，比较费时间，有些ea可能连续跑几周才出来结果，也有单参数，部分参数分段跑的，能省一些时间。这种优化方式比较让人产生过度优化的想法，我一直参考数据就是单量，只要单量不低，相当于样本内数据够多，就有一定数量的数据支撑，不存在过度优化。这个单量数据也要看策略本身，也有个大概的数量，比如针对一般策略十年单量至少超过1000单，再低除非是自己对策略有着很深的了解。
比如昨天收到一个策略作者默认参数回测十年3000多单，但是盈利比、预期盈利很差，然后跑优化一晚上出来下面这些高盈利比和高预期盈利结果，但是单量都成了500-700左右，这种就可以说过度了，包括每个月统计很多没有单子，这样就失去了意义。抛开过度优化不说，ea行业单量过少，大多数人还是接受不了。
第二种：拿出部分时间段做优化，其他当成样本外测试验证，比如有10年数据，选择其中的2-5年数据做优化，出来的参数再去回测下其他时间段，看看适应能力如何。这种优化方式单次操作省时间，因为有样本外数据做验证能避免过度优化，但也要注意单量不能偏离太多。缺点就是很多时候跑出来的参数并不能适应其他时间段，这个不适应就是说明那段时间过度优化了，要找到样本外也能适应的参数也是个技术活。