定義
過度擬合是指模型或交易規則被調校得過於貼合某段歷史樣本，以致捕捉到的是隨機雜訊而非可重複的規律，因此在過往數據上表現良好，在新數據上卻表現不佳。嘗試的參數愈多、測試的組合愈多，風險愈大。
運作方式
搜尋本身便會製造錯誤的發現。假設一條沒有真實優勢的規則，其 N 次獨立測試各有 5% 機會因運氣而顯得具統計顯著性，則至少有一次如此的機率為 1 − 0.95^N；當 N = 100 時為 99.4%。因此，眾多變體中表現最佳者，是對未來表現的有偏估計。
警號包括：結果依賴精確的參數值（尖銳的峰值而非寬闊的平台）、相對交易次數而言可調整的參數過多、缺乏經濟邏輯，以及在未動用的數據上表現崩潰。減少參數、檢驗參數穩定性、滾動前推測試，以及記錄嘗試的次數，皆有幫助。
公式／慣例
P(至少一次碰巧「成功」) = 1 − (1 − α)^N，適用於顯著水平為 α 的 N 次獨立測試
說明例子
假設示例：某研究者為一條沒有真實優勢的規則嘗試 100 種參數組合，並以 5% 顯著水平判斷結果。預期僅憑巧合便有約 100 × 5% = 5 種組合通過，因此勝出者亮麗的樣本內數字沒有理由在未動用的數據上重現。
注意事項
過度擬合只能降低，無法完全消除；而當你不斷調整規則直至在保留期間看起來理想時，該保留期間便不再獨立。從大量嘗試中挑選出來的結果，應相應打折看待。