Overfitting adalah menyetel parameter EA terlalu presisi pada data historis sehingga strategi tampak bagus di backtest tetapi buruk pada data yang belum pernah dilihat, karena ia mengeksploitasi derau alih-alih pola pasar yang nyata.
juga: curve-fitting, over-optimisasi, bias penambangan data
Diperbarui · Ditinjau
Menyetel aturan sampai begitu pas dengan masa lalu hingga yang dipelajarinya adalah kebetulan-kebetulannya, bukan polanya. Backtest membaik sementara strateginya memburuk, dan tidak ada satu pun bagian laporan yang membedakan keduanya.
Overfitting adalah mode kegagalan yang menghasilkan bukti indah, dan justru karena itu ia lolos dari peninjauan yang tidak akan dilewati strategi buruk. Setiap putaran optimasi memperbaiki hasil yang dilaporkan, terlepas dari apakah ia memperbaiki strateginya; proses yang hanya melihat hasil laporan tidak bisa membedakan keduanya.
Sebuah optimizer melaporkan sepuluh set parameter terbaik untuk suatu strategi. Baris teratas adalah yang dipublikasikan; bentuk tabel di sekitarnyalah yang sebenarnya memberi tahu apakah keunggulan itu nyata.
Keunggulan nyata memudar perlahan saat parameter menjauh dari optimum. Keunggulan hasil setelan jatuh dari tebing, dan tebing itu sudah terlihat sebelum satu pun data out-of-sample dibelanjakan.
Perhitungan 2,41 in-sample → 0,88 out-of-sample, sementara tetangganya duduk di titik impas
Hasil Angka 2,41 itu sifat jendelanya, bukan sifat aturannya
Overfitting didiagnosis dari proses yang menghasilkan hasil itu, bukan dari hasilnya. Tanyakan apa yang disetel, atas dasar apa, dan apa yang disisihkan.
| Rentang | Artinya |
|---|---|
| Satu jendela, semua parameter dioptimasi, tidak ada yang disisihkan | Laporan itu tidak punya nilai pembuktian untuk masa depan. Ia menggambarkan seberapa jauh aturan bisa dibengkokkan ke satu sampel. |
| Jendela out-of-sample dilaporkan tetapi dipakai ulang setiap kali ada penyesuaian | Cadangannya sudah habis. Begitu hasilnya kembali memberi umpan ke penyetelan, ia pun jadi in-sample. |
| Satu jendela out-of-sample yang tak tersentuh, dilihat sekali | Standar minimum. Tafsirkan selisihnya, bukan levelnya. |
| Walk-forward dengan dataran parameter yang luas dan pemeriksaan lintas instrumen | Bukti terkuat yang tersedia sebelum dijalankan riil, karena penyetelan ulangnya sendiri ikut diuji. |
Listing mt5depot mencantumkan jendela data, model tester, dan jumlah transaksinya, sehingga pembaca bisa mengajukan pertanyaan di atas alih-alih memercayai kurvanya begitu saja.
Setiap kali hasil dari jendela cadangan memandu penyesuaian berikutnya, jendela itu menjadi bagian data pelatihan. Setelah beberapa putaran tidak ada lagi yang out-of-sample, dan prosesnya terasa lebih ketat sambil membuktikan lebih sedikit.
Justru itulah angka-angka yang digelembungkan oleh penyetelan. Sharpe in-sample di atas 3 pada EA ritel lebih mungkin gejala daripada jaminan.
Jumlah parameter adalah satu jalur; pemilihan strategi adalah jalur lain. Memilih yang terbaik dari dua ratus strategi sederhana pada jendela yang sama mengepaskan sampel sama efektifnya dengan menyetel satu strategi rumit.
Itu memulihkan backtest dan mengulang kegagalan, karena setelan baru lahir dari proses yang sama dengan yang lama. Pertanyaan pertama yang harus dijawab adalah apakah keunggulan aslinya pernah out-of-sample.
| Untuk 14 EA yang dipublikasikan di sini | Nilai |
|---|---|
| Profit factor in-sample | 1,27–1,52 |
| Listing dengan profit factor di bawah 1,00 | 0 |
| Yang melaporkan blok out-of-sample | 11 |
| Imbal hasil out-of-sample | −0,57 % sampai +3,01 % |
| Blok out-of-sample yang merugi | 2 |
| Run terverifikasi pada akun uang sungguhan | 0 |
Baca baris terakhir sebelum baris pertama. Backtest bergulir tetap berjalan di atas riwayat yang bisa saja sudah dilihat seseorang, jadi tidak ada satu pun di atas yang out-of-sample dalam arti yang memutuskan sesuatu — dan tiga EA sudah mengumumkan tanggal mulai cadangan lalu tidak menerbitkan hasil apa pun sejak itu, dan begitulah rupa bias pelaporan bila dilihat dari dalam.
Kelemahannya ada pada ukuran, bukan tandanya. Catatan in-sample median di sini adalah 362 transaksi tertutup; blok cadangan median berisi 21. Run sependek itu tidak bisa memisahkan keunggulan dari satu kuartal yang tenang, karena itulah angka negatif kecil (−0,57 %, −0,47 %) tidak membawa vonis lebih besar daripada yang positif.
Menu Forward pada Strategy Tester (No, 1/2, 1/3, 1/4, Custom) membagi intervalnya untuk Anda. Ia tidak bisa mencegah Anda membaca ulang paruh depan setelah tiap putaran optimasi, dan pembacaan ulang itulah yang menghabiskannya. Setel Forward ke Custom dengan tanggal saat Anda berhenti melihat — 2026-04-01 untuk sepuluh blok di atas — dan cadangan itu hanya bernilai sebesar isi yang jatuh di dalamnya: 142 transaksi untuk Cairn, 40 untuk yang terbesar berikutnya, angka satu digit untuk dua lainnya.