Inom strategiforskning innebär överanpassning att man väljer regler som förklarar egenheter i utvecklingsurvalet mer övertygande än de generaliserar till nya observationer. Traders kallar ofta detta för kurvanpassning. En strategi behöver inte matcha historiken perfekt för att vara överanpassad.

Sökandet skapar problemet

Tänk dig att du testar 200 kombinationer av glidande medelvärden och bara rapporterar den mest lönsamma. Även om ingen av dem har en varaktig fördel kan en av dem se attraktiv ut i just det urvalet. Att ändra filter, marknader, datum och stopavstånd tillför fler urvalsmöjligheter, inklusive val som görs manuellt när man tittar på diagram.

Den vinnande parameteruppsättningen är inte automatiskt ogiltig. Bekymret är att dess rapporterade resultat gynnades av att ha valts ut med hjälp av samma resultat som du nu presenterar som bevis.

För en forskningslogg

Anteckna hypotesen, utvecklingsdata, parameterval och varje testad variant. Håll den slutliga testperioden separat. När du har granskat den perioden och justerat strategin som svar har den blivit en del av utvecklingen; att kalla den out-of-sample igen återställer inte oberoendet.

En walk-forward-process kan modellera upprepad utveckling och senare utvärdering, men dess fönsterlängder och urvalsregler behöver också fastställas och dokumenteras. Att upprepade gånger ändra processen tills dess sammanvägda resultat ser bra ut återinför samma problem.

Utmana närliggande val

Kontrollera om små ändringar i parametrar, kostnader eller tidpunkt för ingång förstör resultatet. Ett smalt isolerat optimum förtjänar att undersökas. Testa ytterligare perioder som är relevanta för den avsedda marknaden och rapportera både misslyckanden och framgångar.

En strategi som är utformad för en marknad behöver inte fungera på alla andra marknader. På samma sätt finns det inget universellt antal parametrar bortom vilket en modell säkert är överanpassad. Komplexitet, informationen i urvalet, antalet försök och utformningen av valideringen spelar alla roll.

Separera överanpassning från andra fel

Ett backtest kan misslyckas av andra skäl än urval: framtida information, felaktiga justeringar för bolagshändelser, orealistiska orderutföranden eller utelämnade kostnader. TradingView dokumenterar fallgropar vid strategitestning, inklusive lookahead-bias och överanpassning. Undersök dessa separat i stället för att ge varje avvikelse i livehandeln samma etikett.

AI tar inte bort behovet av denna process. En modell som söker igenom många kandidatmönster behöver fortfarande en kontrollerad utvärdering. Ett imponerande diagram är början på granskningen, inte dess slutsats.

Riskfriskrivning: Handel innebär en betydande risk för förlust. Tidigare resultat är inte en indikation på framtida resultat. Se vår fullständiga riskfriskrivning.