トレード教育
カーブフィッティングとは何か、なぜトレーダーにとって危険なのか?
カーブフィッティングがトレードで何を意味するのか、なぜそれがバックテストを驚くほど良好に見せる一方でライブ取引を失敗させるのか、そして自分の戦略が過剰最適化されるのを避ける方法を解説します。
この記事の内容
戦略研究において、過剰最適化とは、新しい観測データに一般化するよりも、開発サンプル特有の癖をより説得力をもって説明してしまうルールを選ぶことを指します。トレーダーはこれをカーブフィッティングと呼ぶことがよくあります。戦略は、過去の値動きと完全に一致していなくても過剰最適化になり得ます。
探索そのものが問題を生む
200通りの移動平均の組み合わせをテストし、最も利益の出たものだけを報告する状況を想像してください。どれにも持続的な優位性がなくても、その特定のサンプルでは魅力的に見えるものが現れます。フィルター、市場、日付、ストップ幅を変えると、選択の機会がさらに増えます。チャートを見ながら手作業で行う選択も含まれます。
勝ち残ったパラメーターセットが自動的に無効になるわけではありません。懸念は、報告されているパフォーマンスが、今あなたが証拠として提示しているのと同じ結果を使って選ばれたことで良くなっている点です。
リサーチ記録を残す
仮説、開発データ、パラメーターの選択、テストしたすべてのバリエーションを記録します。最終テスト期間は別にしておきます。その期間を確認し、それに応じて戦略を調整した時点で、その期間は開発の一部になっています。改めてアウトオブサンプルと呼んでも、独立性は回復しません。
ウォークフォワードのプロセスでは、開発とその後の評価を繰り返す流れをモデル化できますが、そのウィンドウの長さと選択ルールも固定し、ドキュメントに記載しておく必要があります。総合結果が良く見えるまでプロセスを繰り返し変更すると、同じ問題が再び持ち込まれます。
周辺の選択肢を検証する
パラメーター、コスト、エントリーのタイミングを少し変えただけで結果が崩れないか確認します。狭い範囲で孤立した最適値は、調査に値します。想定する市場に関連する追加の期間をテストし、成功だけでなく失敗も報告します。
ある市場向けに設計された戦略が、ほかのあらゆる市場で機能するとは限りません。同様に、パラメーターの数がいくつを超えればモデルが確実に過剰最適化になるという一律の数はありません。複雑さ、サンプルの情報量、試行回数、検証設計のすべてが重要です。
過剰最適化とその他のエラーを切り分ける
バックテストは、選択以外の理由でも失敗することがあります。将来の情報、不正確なコーポレートアクションの調整、非現実的な約定、計上されていないコストなどです。TradingViewは、先読みバイアスや過剰最適化を含むストラテジーテストの落とし穴について、ドキュメントに記載しています。ライブ取引で生じるすべての差異に同じレッテルを貼るのではなく、これらを個別に調査してください。
AIはこのプロセスを不要にするものではありません。多くの候補パターンを探索するモデルでも、統制された評価が依然として必要です。印象的なチャートは検証の始まりであり、結論ではありません。
ファクトチェック担当 Nadine Wood,
初回公開 情報源更新日 翻訳更新日 元の記事 (英語)

