Lumaktaw sa nilalaman
Menu

Overfitting

Isinulat ni Chad Smith · In-update noong

Sa pahinang ito
  1. Halimbawa
  2. Bakit ito mahalaga sa trader
  3. Mga karaniwang kalituhan
  4. Kaugnay na termino

Ang overfitting, na tinatawag ding curve fitting, ay ang pag-tune sa isang trading strategy nang sobrang lapit sa lumang datos kaya random na ingay ang nakukuha nito sa halip na tunay at nauulit na pattern, kaya maganda ang resulta nito sa backtest at mahina sa bagong datos.

Halimbawa

Halimbawa: tine-test ng isang trader ang moving-average strategy sa dalawang taon ng datos.

  • Bersyon 1: iisang patakaran na may isang setting. Resulta ng backtest: katamtamang kita na may hindi pantay na pag-indayog.
  • Bersyon 2: nagdagdag ang trader ng mga filter. Mag-trade lang tuwing Martes at Huwebes, laktawan ang Marso, gumamit ng 37-period average, 23-pip na stop at 61-pip na target. Resulta ng backtest: makinis at tuloy-tuloy na kita.

Mas maganda nang husto ang itsura ng Bersyon 2, pero bawat dagdag na patakaran ay pinili dahil pinaganda nito ang nakaraang resulta, hindi dahil may dahilan para rito. Sa sumunod na anim na buwan ng datos na hindi pa nakikita, nalugi ang Bersyon 2 habang nanatiling halos kaayon ng backtest nito ang Bersyon 1. Mga paglalarawan lang ang mga resultang ito.

Bakit ito mahalaga sa trader

Isa ang overfitting sa pinakakaraniwang dahilan kung bakit pumapalya sa live trading ang mga strategy na maganda sa papel. Habang dumarami ang setting na tine-tune mo, mas madaling makahanap ng kombinasyong tumutugma sa nakaraan nang nagkataon lang.

Mga paraan para bawasan ito:

  • Panatilihing simple. Mas kaunting patakaran, bawat isa ay may malinaw na dahilan.
  • Magtabi ng datos. Bumuo sa isang panahon, pagkatapos ay i-test sa ibang panahong hindi pa nakikita ng strategy.
  • Suriin ang katatagan. Dapat magkahawig ang resulta kung bahagyang binago ang isang setting.
  • Forward test. Ang resulta sa real time ang huling pagsusuri.

Mga karaniwang kalituhan

  • Magandang backtest ay katumbas ng magandang strategy. Kadalasang babala ang napakakinis na equity curve, hindi patunay.
  • Optimization kumpara sa overfitting. Ayos lang ang pagpili ng makatwirang setting. Ang paghahanap sa libu-libong kombinasyon para sa pinakamagandang nakaraang resulta ang may panganib.

Kaugnay na termino

Saan ito puwedeng i-practice

Subukan muna ito sa isang demo account, nang walang perang nakataya.

Mga madalas itanong

Ano ang mga palatandaan ng overfitted na strategy?

Napakakinis na resulta sa backtest, maraming patakaran o setting, resultang bumabagsak kapag bahagyang binago ang isang setting, at mahinang performance sa bagong datos.

Paano ko maiiwasan ang overfitting?

Panatilihing simple ang mga patakaran, i-test sa datos na hindi ginamit sa pagbuo ng strategy, gumamit ng forward testing, at suriin kung matatag ang resulta sa mga kalapit na setting.

Overfitting ba palagi ang optimization?

Hindi. Normal ang pag-test ng ilang makatwirang setting. Nangyayari ang overfitting kapag patuloy kang nagta-tune hanggang magmukhang perpekto ang nakaraan.

Madalas bang overfitted ang mga komersyal na expert advisor?

May ilang ibinebenta na may napakakinis na backtest. Mas mabuting gabay ang mahaba at malayang na-verify na live record kaysa sa backtest lang.