やっぱり、最適化は必要かなと思い始めてます。
あるストラテジーを思いついて、そのパラメータを過去データに対して色々振って、一番良い結果をもとめるのは、やはり良いことなのではないかと。
最適パラメータを選択するときは、前後の値も見て、たまたまのパラメータは排除することは必須かと思います。
ただし、パラメータがたくさんある場合、その掛け算でパターンが存在するので、確認する組み合わせは膨大な数になってしまいます。
パラメータを少なくするために、ロジックをできるだけシンプルにしたいのですが、騙しを避けるためにはどうしてもパラメータが多くなってしまいます。
カーブフィッティングつまり過剰最適を防ぐには
- トレードサンプル数を多くする
- 近傍のパラメータ値の結果も考慮
- 最新データを取り込んで、再度検証
- 長い期間、様々な時期の短い期間で試してみる
と思うのですが、各パラメータの結果の前後いくつかを平均して求めれば良いかもしれませんね。ロジックに落とすのはとても難しいですが。複数のパラメータのからみもありますし。
よく、山のような3次元グラフで表現される事があると思いますが、統計学が専門の方なら良い方法が浮かぶんでしょうね。
2020/10/15