统计过拟合和回测性能-研究论文

在数学金融领域，“回测”是使用历史市场数据来评估提议的交易策略的表现。 对于当今的计算机系统来说，探索提议策略的数千、数百万甚至数十亿变体，并选择表现最佳的变体作为“样本中”（即，在输入上）的“最优”策略是一件相对简单的事情。数据集）。 不幸的是，这种“最优”策略通常在“样本外”（即在另一个数据集上）表现非常差，因为投资策略的参数已经过拟合样本内数据，这种情况称为“回测过拟合” . 虽然在最近的几项理论研究中已经研究了回测过度拟合的数学问题，但在这里我们以在线模拟器工具的形式对这个问题进行更具体的分析。 给定输入的随机游走时间序列，该工具通过详尽地探索少数参数中的所有整数参数值来开发简单策略的“最佳”变体。 这种“最优”策略是过拟合的，因为根据定义随机游走是不可预测的。 然后，该工具在第二个随机游走时间序列上测试生成的“最佳”策略。 在使用我们的在线工具的大多数运行中，从第一个时间序列得出的“最佳”策略在第二个时间序列上表现不佳，这表明不过度拟合回测是多么困难。 我们提供此在线工具以促进该领域的进一步研究。