I strategiforskning betyr overtilpasning å velge regler som forklarer særegenheter ved utviklingsutvalget på en mer overbevisende måte enn de generaliserer til nye observasjoner. Tradere kaller dette ofte kurvetilpasning. En strategi trenger ikke å samsvare perfekt med historien for å være overtilpasset.

Søket skaper problemet

Tenk deg at du tester 200 kombinasjoner av glidende gjennomsnitt og bare rapporterer den mest lønnsomme. Selv om ingen av dem har en varig fordel, kan én se attraktiv ut i akkurat det utvalget. Å endre filtre, markeder, datoer og stoppavstander gir flere seleksjonsmuligheter, inkludert valg som tas manuelt mens du ser på grafer.

Det vinnende parametersettet er ikke automatisk ugyldig. Bekymringen er at den rapporterte ytelsen dro nytte av å være valgt ved hjelp av de samme resultatene som du nå legger fram som bevis.

Før en forskningsjournal

Registrer hypotesen, utviklingsdataene, parametervalgene og hver variant som er testet. Hold den endelige testperioden atskilt. Så snart du undersøker den perioden og justerer strategien som svar, har den blitt en del av utviklingen; å kalle den out-of-sample igjen gjenoppretter ikke uavhengigheten.

En walk-forward-prosess kan modellere gjentatt utvikling og senere evaluering, men lengdene på vinduene og seleksjonsreglene må også fastsettes og dokumenteres. Å endre prosessen gjentatte ganger til det kombinerte resultatet ser bra ut, gjeninnfører det samme problemet.

Utfordre nærliggende valg

Sjekk om små endringer i parametere, kostnader eller inngangstidspunkt ødelegger resultatet. Et smalt, isolert optimum fortjener undersøkelse. Test flere perioder som er relevante for det tiltenkte markedet, og rapporter både mislykkede resultater og suksesser.

En strategi som er utformet for ett marked, trenger ikke å fungere i alle andre markeder. På samme måte finnes det ikke noe universelt antall parametere som gjør at en modell med sikkerhet er overtilpasset når dette antallet overskrides. Kompleksitet, utvalgsinformasjon, antall forsøk og valideringsopplegget spiller alle en rolle.

Skill overtilpasning fra andre feil

En backtest kan mislykkes av andre grunner enn seleksjon: fremtidig informasjon, feilaktige justeringer for selskapshendelser, urealistiske utførelser eller utelatte kostnader. TradingView dokumenterer fallgruver ved strategitesting, inkludert lookahead-bias og overtilpasning. Undersøk disse separat i stedet for å gi hvert avvik i live-handel samme etikett.

AI fjerner ikke behovet for denne prosessen. En modell som søker gjennom mange kandidatmønstre, trenger fortsatt en kontrollert evaluering. Et imponerende diagram er begynnelsen på revisjonen, ikke konklusjonen.

Risikofraskrivelse: Trading innebærer betydelig risiko for tap. Tidligere resultater er ikke en indikasjon på framtidige resultater. Se vår fullstendige risikofraskrivelse.