选股公式在历史回测中表现优异，但在实盘操作中却持续亏损，通常是因为模型陷入了过拟合与幸存者偏差两大统计陷阱。过拟合是指公式为了迎合历史K线，过度优化了各项参数，导致模型失去了对未来行情的适应能力；幸存者偏差则是指回测时仅使用了目前仍然存续的股票数据，自动忽略了历史上已经退市的股票，从而极大高估了策略的真实盈利能力。
认识过拟合：参数优化的度
在量化交易中，许多投资者习惯不断调整选股条件，例如将均线参数从10天微调到12天，或者添加极其苛刻的成交量限制，直到历史收益曲线完美上扬。这种做法的本质是“对着后视镜开车”，也就是典型的过拟合。金融市场的短期噪音是随机的，一个参数越多、历史回测越完美的模型，其失效的概率往往越高。优秀的选股公式应当建立在稳固的底层基本面逻辑之上，而不是单纯的数字拼凑。
警惕幸存者偏差：被隐藏的退市风险
如果您的选股公式在历史测试中只包含了当前仍在正常交易的股票，就会产生严重的幸存者偏差。那些因为业绩造假、连续亏损或面值过低而被迫退市的股票，已经被系统自动从数据库中剔除了。这意味着，您在回测时实盘买入的所谓“低估黑马”，在真实的历史环境中可能已经破产归零。包含退市股数据的全样本回测，才是检验策略抗风险能力的有效标准。
要解决上述问题，投资者在策略开发时需遵循以下步骤：
| 排查步骤 | 核心操作 | 预期目的 |
|---|---|---|
| 样本外测试 | 保留一部分历史数据不参与公式设计，用最终公式测试这段“盲区”数据。 | 检验公式在未知环境中的泛化能力。 |
| 精简参数 | 减少不必要的技术指标叠加，优先采用默认参数或基础逻辑。 | 提升模型的鲁棒性，防止过度拟合噪音。 |
| 全市场数据 | 确认数据源包含已退市、被借壳或长期停牌的股票。 | 消除幸存者偏差，还原真实的最大回撤。 |
常见问题
量化交易中如何简单判断是否发生过拟合？
如果一个选股公式的参数稍微变动一点（例如把10日均线改为12日均线），整体收益率就出现断崖式下跌，通常就意味着发生了过拟合。稳健的策略对参数微调应当具备较低的敏感度。
普通散户如何获取包含退市股的数据进行回测？
多数免费的炒股软件提供的基础数据往往不包含已退市的股票。普通投资者需要向专业的量化交易平台购买或申请包含全历史样本的基础数据，具体的覆盖范围和费用标准请以各数据供应商的最新规则为准。
选股公式参数越少越好吗？
通常情况下，参数越精简的模型适应能力越强，但也并非绝对。核心在于每一个参数都必须具备清晰的经济学或基本面解释，而不是单纯为了迎合历史K线走势而强行设置的数学巧合。
总结
回测表现完美并不等同于实盘稳定盈利。在进行量化交易与策略设计时，必须警惕过拟合与幸存者偏差带来的虚假繁荣。始终坚持使用样本外数据进行验证，并依托扎实的底层基本面逻辑构建模型，才能让您的选股公式经得起真实市场的考验。