晚上失眠了，也来回答一下这个问题，上点自认的干货，希望对题主有点帮助。不过有点偏题就是了，睡不着，胡说八道了。
不讨论为啥历史回测容易盈利，但是实盘亏肿的问题，讲讲怎么避免这个问题。
1.实盘和回测最基本的区别是，回测存在虚假交易的问题，导致实盘的偏差。为了规避这个问题，我一般都是回测中使用close or open 价格下单，就是说等一根K线走完了才下单，避免在K线中下单，这样测试的结果实盘和回测之间不会出现成交不了的情况。
2.上面的答主提到的overfit, 过拟合的问题。
对于策略和数据间的overfit, 我建议可以利用加扰测试的办法。就是在原始数据上人工加上一个随机的扰动，再把测试的结果同未加扰的数据测试结果比较，理想的情况是变化很小。这种想法的来源是，如果一个策略确实是一个规律，它就应该是性质良好的，至少是连续的，连续的函数对输入的微小扰动应该有抑制作用，使输出有界。
而对于参数的overfit就相对简单，不要选孤立的参数点就行了。
3. 关于策略有效性的问题才是大问题，回测挣再多，未来不适用，或者很快失效了，这才是题主提到的问题的关键。确切讲，没啥好办法，或者大家有好办法也不说出来（这算是交易最核心的问题了），呵呵。
我来提供点思路：
1.测试的数据尽可能多；
2.做完回测，做前测， 就是分数据内和数据外测试， 不过对效果持怀疑态度。
3. 干货来了， 国外有家公司， trading system lab，这家公司干的活是用遗传算法来搜索好的策略，一般看到交易网站上，前面带TSL的策略都是他家出的。他们提出一个标准来筛选策略，很简单，但应该比较有效，
1) 策略在回测中交易次数越多越好；
2) 表示策略的程序越短越好。这句话比较模糊，我的理解是表示程序的自动机转移路径数目越少越好；
如果一个策略能通过以上各条测试标准，应该能挣钱的概率大一些吧。
O(∩_∩)O~
来源：知乎 www.zhihu.com
作者：ddr Fe
【知乎日报】千万用户的选择，做朋友圈里的新鲜事分享大牛。
点击下载
此问题还有 17 个回答，查看全部。
延伸阅读：
程序化交易、算法交易、量化投资、高频交易、统计套利，这些名词之间的关系是怎么样的？
国内的对冲基金如何实现动量交易和反转交易？
