Nella ricerca sulle strategie, l'overfitting significa selezionare regole che spiegano le particolarità del campione di sviluppo in modo più convincente di quanto si generalizzino a nuove osservazioni. I trader spesso lo chiamano curve fitting. Una strategia non deve necessariamente corrispondere perfettamente allo storico per essere affetta da overfitting.

La ricerca crea il problema

Immagina di testare 200 combinazioni di medie mobili e di riportare solo quella più redditizia. Anche se nessuna ha un vantaggio duraturo, una di esse può apparire attraente in quel particolare campione. Cambiare filtri, mercati, date e distanze degli stop aggiunge ulteriori opportunità di selezione, comprese le scelte fatte manualmente mentre si guardano i grafici.

Il set di parametri vincente non è automaticamente invalido. La preoccupazione è che la sua performance riportata abbia beneficiato del fatto che esso è stato scelto usando gli stessi risultati che ora presenti come prova.

Tieni un registro della ricerca

Registra l'ipotesi, i dati di sviluppo, le scelte dei parametri e ogni variazione testata. Mantieni separato il periodo di test finale. Una volta che esamini quel periodo e metti a punto la strategia di conseguenza, esso è diventato parte dello sviluppo; chiamarlo di nuovo fuori campione non ne ripristina l'indipendenza.

Un processo walk-forward può modellare uno sviluppo ripetuto e una valutazione successiva, ma anche le lunghezze delle sue finestre e le sue regole di selezione devono essere fissate e documentate. Cambiare ripetutamente il processo finché il suo risultato combinato non sembra buono reintroduce lo stesso problema.

Metti alla prova le scelte vicine

Verifica se piccoli cambiamenti nei parametri, nei costi o nel momento di ingresso distruggono il risultato. Un ottimo ristretto e isolato merita un'indagine. Testa periodi aggiuntivi rilevanti per il mercato previsto e riporta sia i fallimenti sia i successi.

Una strategia progettata per un mercato non deve necessariamente funzionare in ogni altro mercato. Allo stesso modo, non esiste un numero universale di parametri oltre il quale un modello è certamente in overfitting. La complessità, le informazioni del campione, il numero di prove e il disegno della validazione contano tutti.

Distingui l'overfitting dagli altri errori

Un backtest può fallire per ragioni diverse dalla selezione: informazioni future, rettifiche errate delle operazioni societarie, esecuzioni irrealistiche o costi omessi. TradingView documenta le insidie dei test delle strategie, tra cui il bias di lookahead e l'overfitting. Esamina questi aspetti separatamente invece di attribuire la stessa etichetta a ogni discrepanza dell'operatività reale.

L'IA non elimina la necessità di questo processo. Un modello che cerca molti pattern candidati necessita comunque di una valutazione controllata. Un grafico impressionante è l'inizio dell'audit, non la sua conclusione.

Avvertenza sui rischi: Il trading comporta un rischio sostanziale di perdita. Le performance passate non sono indicative dei risultati futuri. Consulta la nostra informativa completa sui rischi.