机器学习模型告诉你“可以买”，却不告诉你何时进场、在哪里止盈止损。于是研究者再用历史数据挑这些参数，就像考完一次又照着答案改卷：模型本身没变，交易规则仍可能把偶然噪声包装成优势。这正是两阶段调参最容易忽略的二次过拟合。
reddit-quant 用户 raresea 称，其策略约每隔 6—8 个月突破预设失效线，停用几天后又恢复并创新高；近两年向前测试中已发生三次。作者已经做过 Monte Carlo（随机扰动数据或交易顺序，观察结果是否脆弱）和 Walk-forward（按时间滚动训练与测试），但仍无法判断这是正常波动，还是参数选择有问题。
关键不只是再加一种检验，而是守住真正的样本外数据：如果看过测试结果后调整止损、缓冲或重启门槛，这段数据实际上也参与了训练。评估时还应把尝试过多少组规则、交易成本，以及相邻参数是否同样有效纳入考虑。由于材料只是一则个人经验帖，尚不足以证明其周期规律或给出唯一停启标准。