数据与成本
使用覆盖策略所需周期的高质量数据，并加入可变点差、佣金、滑点和隔夜利息假设。
样本内与样本外
参数优化只使用样本内数据，再用未参与优化的样本外区间验证。反复查看样本外结果同样会造成泄漏。
稳健性检查
改变成本、起止日期和参数邻域，观察结果是否仍合理。只有单一参数点表现优异通常是危险信号。
测试条件必须可复现
记录数据来源、时间区间、建模质量、点差、佣金、滑点、隔夜利息、杠杆、初始资金和参数版本。只展示最佳年份会掩盖连续亏损和换市场后失效的问题。
识别过拟合
把样本拆成训练期和样本外期，改变参数和成本假设，观察结果是否仍在可接受范围。若参数只要轻微变化就从盈利变为大额亏损，策略稳定性不足。
一套不过度依赖最佳参数的流程
先预留从未参与调参的样本外区间，再用多个点差、滑点和佣金假设测试。将关键参数上下调整 10% 至 20%，观察回撤、交易次数和盈亏结构是否平稳。随后做逐年和不同波动阶段拆分，避免总结果被某一年份支撑。
例如某组参数在训练期盈利，但点差增加 0.5 点或止损改变 5% 就大幅亏损，这更像曲线拟合而非稳定优势。测试报告应同时保留失败结果、软件版本、数据来源和随机种子。历史回测只能帮助排除脆弱方案，不能证明实盘收益。
从技术测试过渡到受控实盘
EA 的评估顺序应是文件与权限安全、逻辑和参数理解、可复现回测、模拟环境运行、极小规模真实执行，最后才是是否扩大使用。每一步都要设定通过标准，例如日志无关键错误、订单与规则一致、成本假设合理、断线后不会重复下单。不能因为某段回测收益较高就跳过中间阶段。
实盘验证应关注回测很难重现的因素：服务器时间、品种后缀、点差突增、成交滑点、网络中断、VPS 重启和授权服务异常。先设账户级日亏损、最大仓位和人工停机条件，并定期核对 EA 版本与参数。自动交易减少的是人工操作，不是市场风险，也不代表无需持续监督。
应用到“EA 回测指南：识别过度拟合与数据偏差”时，请把示例中的数字替换为自己的账户条件，并在记录中注明数据来源、观察日期和仍未确认的假设。这样即使规则、报价或平台页面发生变化，也能回头判断结论是否仍然适用。
本指南解决的是信息整理和风险控制问题，不会替用户选择经纪商、决定交易方向或保证策略结果。无法从官方文件确认的字段，应保留为未知并在采取行动前向对应服务商核实。
常见问题
回测越久越好吗？
时间更长有帮助，但数据质量和市场结构变化同样重要。
高胜率代表稳健吗？
不代表，还要看盈亏比、尾部风险和最大回撤。
实际使用时最容易忽略什么？
把样本拆成训练期和样本外期，改变参数和成本假设，观察结果是否仍在可接受范围。若参数只要轻微变化就从盈利变为大额亏损，策略稳定性不足。