In der Strategieforschung bedeutet Overfitting, Regeln auszuwählen, die Eigenheiten der Entwicklungsstichprobe überzeugender erklären, als sie sich auf neue Beobachtungen generalisieren lassen. Trader nennen dies oft Curve Fitting. Eine Strategie muss nicht perfekt zur Historie passen, um überangepasst zu sein.

Die Suche erzeugt das Problem

Stellen Sie sich vor, Sie testen 200 Kombinationen gleitender Durchschnitte und berichten nur die profitabelste. Selbst wenn keine einen dauerhaften Vorteil hat, kann eine in dieser speziellen Stichprobe attraktiv erscheinen. Änderungen an Filtern, Märkten, Datumsangaben und Stop-Distanzen schaffen weitere Auswahlmöglichkeiten, einschließlich manueller Entscheidungen, die beim Betrachten von Charts getroffen werden.

Das Gewinner-Parameterset ist nicht automatisch ungültig. Bedenklich ist, dass seine berichtete Performance davon profitierte, anhand derselben Ergebnisse ausgewählt worden zu sein, die Sie nun als Beleg präsentieren.

Führen Sie ein Forschungstagebuch

Notieren Sie die Hypothese, die Entwicklungsdaten, die Parameterwahl und jede getestete Variante. Halten Sie den abschließenden Testzeitraum getrennt. Sobald Sie diesen Zeitraum untersuchen und die Strategie daraufhin optimieren, ist er Teil der Entwicklung geworden; ihn erneut als Out-of-Sample zu bezeichnen, stellt die Unabhängigkeit nicht wieder her.

Ein Walk-Forward-Prozess kann wiederholte Entwicklung und spätere Evaluierung abbilden, aber seine Fensterlängen und Auswahlregeln müssen ebenfalls festgelegt und dokumentiert werden. Ein wiederholtes Ändern des Prozesses, bis sein kombiniertes Ergebnis gut aussieht, führt dasselbe Problem wieder ein.

Benachbarte Entscheidungen hinterfragen

Prüfen Sie, ob kleine Änderungen bei Parametern, Kosten oder Einstiegszeitpunkt das Ergebnis zerstören. Ein enges, isoliertes Optimum verdient eine Untersuchung. Testen Sie zusätzliche Zeiträume, die für den vorgesehenen Markt relevant sind, und berichten Sie sowohl über Misserfolge als auch über Erfolge.

Eine für einen Markt entwickelte Strategie muss nicht in jedem anderen Markt funktionieren. Ebenso gibt es keine allgemeingültige Anzahl von Parametern, ab der ein Modell sicher überangepasst ist. Komplexität, Stichprobeninformationen, die Anzahl der Versuche und das Validierungsdesign spielen alle eine Rolle.

Overfitting von anderen Fehlern trennen

Ein Backtest kann aus anderen Gründen als der Selektion scheitern: Informationen aus der Zukunft, fehlerhafte Anpassungen für Kapitalmaßnahmen, unrealistische Orderausführungen oder nicht berücksichtigte Kosten. TradingView dokumentiert Fallstricke beim Strategietest, darunter Lookahead-Bias und Overfitting. Untersuchen Sie diese getrennt, anstatt jeder Abweichung im Live-Handel dieselbe Bezeichnung zu geben.

KI beseitigt nicht die Notwendigkeit dieses Prozesses. Ein Modell, das viele Kandidatenmuster durchsucht, benötigt weiterhin eine kontrollierte Evaluierung. Ein beeindruckender Chart ist der Anfang der Prüfung, nicht ihr Ende.

Risikohinweis: Trading ist mit einem erheblichen Verlustrisiko verbunden. Die frühere Wertentwicklung ist kein Hinweis auf künftige Ergebnisse. Lesen Sie unseren vollständigen Risikohinweis.