Langkau ke kandungan
Menu

Overfitting

Oleh Chad Smith · Dikemas kini

Dalam halaman ini
  1. Contoh pengiraan
  2. Mengapa ia penting kepada pedagang
  3. Kekeliruan biasa
  4. Istilah berkaitan

Overfitting, juga dipanggil curve fitting, ialah melaraskan strategi dagangan terlalu rapat dengan data lalu sehingga ia menangkap hingar rawak dan bukannya corak sebenar yang boleh berulang, jadi ia berprestasi baik dalam ujian balik tetapi lemah pada data baharu.

Contoh pengiraan

Contoh: seorang pedagang menguji strategi purata bergerak pada data dua tahun.

  • Versi 1: satu peraturan dengan satu tetapan. Keputusan ujian balik: keuntungan sederhana dengan ayunan yang tidak sekata.
  • Versi 2: pedagang menambah penapis. Berdagang hanya pada hari Selasa dan Khamis, langkau bulan Mac, gunakan purata 37 tempoh, stop 23 pip dan sasaran 61 pip. Keputusan ujian balik: keuntungan yang licin dan stabil.

Versi 2 kelihatan jauh lebih baik, tetapi setiap peraturan tambahan dipilih kerana ia memperbaik keputusan lalu, bukan kerana ada sebab untuknya. Pada data enam bulan seterusnya yang belum dilihat, Versi 2 rugi manakala Versi 1 kekal lebih kurang selari dengan ujian baliknya. Keputusan ini adalah ilustrasi.

Mengapa ia penting kepada pedagang

Overfitting ialah salah satu sebab paling biasa strategi yang kelihatan baik di atas kertas gagal dalam dagangan langsung. Semakin banyak tetapan yang anda laraskan, semakin mudah untuk menemui gabungan yang sesuai dengan data lalu secara kebetulan.

Cara untuk mengurangkannya:

  • Pastikan ringkas. Kurangkan peraturan, setiap satu dengan sebab yang jelas.
  • Simpan sebahagian data. Bina strategi pada satu tempoh, kemudian uji pada tempoh lain yang belum pernah dilihat oleh strategi itu.
  • Semak kestabilan. Keputusan sepatutnya serupa jika satu tetapan diubah sedikit.
  • Ujian hadapan. Keputusan masa nyata ialah semakan terakhir.

Kekeliruan biasa

  • Ujian balik yang baik sama dengan strategi yang baik. Lengkung ekuiti yang sangat licin selalunya tanda amaran, bukan bukti.
  • Pengoptimuman berbanding overfitting. Memilih tetapan yang munasabah tidak mengapa. Mencari beribu-ribu gabungan untuk keputusan lalu yang terbaik ialah tempat risikonya terletak.

Istilah berkaitan

Tempat untuk mempraktikkannya

Praktikkan perkara ini pada akaun demo terlebih dahulu, tanpa risiko kehilangan wang.

Soalan lazim

Apakah tanda-tanda strategi yang overfit?

Keputusan ujian balik yang sangat licin, banyak peraturan atau tetapan, keputusan yang runtuh apabila satu tetapan diubah sedikit, dan prestasi yang lemah pada data baharu.

Bagaimanakah saya boleh mengelakkan overfitting?

Pastikan peraturan ringkas, uji pada data yang tidak digunakan untuk membina strategi, gunakan ujian hadapan, dan semak bahawa keputusan stabil merentas tetapan yang berhampiran.

Adakah pengoptimuman sentiasa bermaksud overfitting?

Tidak. Menguji beberapa tetapan yang munasabah adalah perkara biasa. Overfitting berlaku apabila anda terus melaraskan sehingga data lalu kelihatan sempurna.

Adakah Expert Advisor komersial selalunya overfit?

Sesetengahnya dipasarkan dengan ujian balik yang sangat licin. Rekod langsung yang panjang dan disahkan secara bebas ialah panduan yang lebih baik daripada ujian balik semata-mata.