Overfitting в статистике: когда цифры слишком хорошо подогнаны

Overfitting (переподгонка) — когда модель или стратегия описывает прошлые данные слишком хорошо, включая их случайный шум. Парадокс в том, что идеальный результат на истории — это не достижение, а тревожный сигнал.

Что происходит при переподгонке

Любые данные состоят из закономерности (сигнала) и случайности (шума). Хорошая стратегия ловит сигнал и игнорирует шум. Переподгонка ловит и то, и другое: добавляя параметры и условия, вы всё точнее описываете прошлое, но начинаете «запоминать» его случайные особенности. В итоге модель идеальна на истории и беспомощна на новых данных, где шум уже другой.

Почему идеальный бэктест подозрителен

Реальный рынок вероятностен, и никакая честная стратегия не работает идеально. Кривая капитала без просадок, винрейт под 100%, ровный рост без сбоев — это почти наверняка признак того, что систему подогнали под конкретную историю. Чем «красивее» и точнее бэктест, тем выше вероятность, что перед вами переподгонка, а не преимущество.

Как избежать

Ограничивайте число параметров: чем их меньше, тем меньше свободы подогнать шум. Предпочитайте простую логику сложной. Проверяйте стратегию на вневыборочных данных и в диапазоне настроек, а не в одной идеальной точке. Ключевой тест — стабильность: если небольшое изменение параметра рушит результат, система переподогнана. Цель не в том, чтобы прошлое выглядело идеально, а в том, чтобы преимущество сохранялось на данных, которых модель не видела. Красивый бэктест — не награда, а повод для подозрения.

Материал носит образовательный характер и не является индивидуальной инвестиционной рекомендацией (не ИИР).