曲線套入curve fitting和 過度最佳化over fitting是什麼意思?
今天市場先生要介紹 2個常被搞混的專有名詞：
1. 曲線套入 curve fitting
2. 過度最佳化 over fitting
曲線套入和 過度最佳化會用在哪？
這兩個詞會出現在程式交易或量化統計，在設計一套交易系統時，
「如何決定參數?」這個環節使用。
先從「如何決定參數」這件事開始說起
什麼是”參數”呢？
舉個簡單的例子，
如果想泡一杯鮮奶茶，要加多少牛奶?
加的數量不同，鮮奶茶口味也不一樣，
例如：這次可以放1/2鮮奶，下次可以放1/3鮮奶。
其中，1/2或1/3的數字高低，就可以稱為「參數」。
下次也許可以改成3/5，總之它可以被改變。
舉投資裡的例子，我想用 移動平均線 代表”長期”市場參與者的成本，作為投資時的參考依據。
例如：120日的移動平均線這”120日”，又稱為”參數”，因為它是可以變的。
可以是60日或150日。
(可否變動，根據策略而定，如果你認為它不可以變動，它就不算參數。)
決定要用哪個參數有2種方法：
方法1. 根據你的經驗和邏輯，判斷出一個範圍，然後選一個數字
例如，根據經驗，我覺得鮮奶茶的牛奶，放 1/2~1/4比較適合。
方法2. 用把所有數字的效果都測試一次，根據成效選一個數字
例如，我把每增加 10cc牛奶的差別都試一次，再重新決定好壞。
參數不會只有 1個要決定，有時少則 5個多則 10個以上，
例如：影響鮮奶茶的味道，除了鮮奶的比例，還有鮮奶的牌子、使用的茶、溫度…等等。
設計交易系統時，因為我們希望交易的方式能長期穩定，
需要把參數定下來，不然一天到晚改來改去，這就稱不上系統了。
市場先生提示：有些策略設計可以做到無參數、極少參數，其實這種是最理想的狀況。
方法1很靠經驗和觀察，這其實是比較好的參數設定方法，但很多時候你也會發現經驗是錯的。
方法2，把所有數字測一次看效果，是個不錯的方式，也可以驗證一下經驗是否正確。
但無論是方法1或方法2，尤其方法2，只要有你有設參數，就會衍生2個問題，
也就是 「曲線套入curve fitting」和「過度最佳化over fitting」這兩個問題。
這兩個問題都會導致交易系統在過去有用，但在未來都沒用
1. 曲線套入 curve fitting：
以下盡可能舉比較好懂的例子，雖然無法完全相似，但可以理解它的意思。
在考試前，有個學生每堂課都翹課，
但他天資聰穎，看了10年的考古題的題目和答案後，
他發現，選擇題有ABCD，但每次考古題有個神奇的現象，
如果每次出現A之後下題就選B，出現C之後就選D，就能輕鬆考到70分以上。
這個學生就犯了 曲線套入curve fitting 的錯誤，
也許那些答案都只是無心的結果，
換了個出題老師，他錯誤的邏輯可能就會在未來犯下一連串的錯誤。
曲線套入，指的是用過去的資料，建立了一套脈絡、模式，
但這套模式根據過去資料過度優化，不見得適用在未來。
曲線套入，就是指在用電腦做參數測試時，讓它對過去的歷史資料過度的優化，
導致未來的股票如果有和過去都不同的變化，它可能就會損失慘重。
它的特色是，這套策略在過去是神兵利器，買最高賣最低，賺到每次的大漲大跌，
但實際用在未來就失效了。
當使用的參數過多，或策略方程式太複雜，很容易就發生曲線套入，
曲線套入發生原因：用無邏輯的黑盒子方程式、過多參數，去建立策略，而恰巧結果不錯。
曲線套入解決方法：讓策略單純、少參數，就可以避開。
2. 過度最佳化 over fitting：
舉個例子：
有一位考生，念書完全沒有理解，
但他發現，有6題考古題，過去每一年都有出，
把這6題背下來，只要題目與過去一模一樣，他這次就至少能考60分。
這個學生則是犯了 過度最佳化over fitting 的錯誤。
只要出題的範圍或類型有變化，例如換了個老師出題，
他就完全無法回答。
過度最佳化，是指根據過去最好的狀況去決定參數，
去預期未來最好的參數也是同一個，但…不可能嘛
過度最佳化，是指選了一個參數，
剛好在過去非常好，甚至最好。
但今天最佳的參數，不一定是明天最佳的參數，
甚是有可能是明天最糟的參數。
例如：
某個參數，剛好讓你在過去金融海嘯可以大賺一票，
但未來發生了一個類似的大跌，
卻反而害你大幅虧損。
歷史會重演，
但市場從來不會在未來出現100%一模一樣的走勢，
因此過度最佳化注定失敗。
「歷史會重演；但歷史不會100%重演。」- 俗諺
過度最佳化發生原因：選擇了歷史績效最好的參數，讓策略在過去的報酬/風險表現最佳，但卻不見得能用於未來。
過度最佳化解決方法：同策略用多個參數運作、用rolling方式對參數做測試；選擇成效相對平滑的參數區間，而不是最佳的參數。
複習一下：曲線套入與過度最佳化
這兩個名詞，都是對過去的資料進行過度的優化，
導致在未來無法發揮作用，差別在於，
「曲線套入curve fitting」：
是指用過於複雜的方程式，或過多參數，造成交易系統過度適應過去的走勢，造成在未來很容易失效。
「過度最佳化over fitting」：
是指選了一個在過去太完美的參數數字，但它在未來卻可能表現得很極端。
除了自己設計策略的時候要小心，
可能偶而你會看到一些廣告：程式交易，過去績效X年賺XXX%。
千萬不要跳下去，它就算不是造假，也有可能它有曲線套入與過度最佳化問題。
如果真的這麼神，應該留著自己賺就好，對吧？
相關文章：
1. 更多量化分析相關文章
2. 如果美股昨天收高，台股隔天有 87%的機率上漲，但問題是….
4. 一個 撲克專家 遇到 專業賭徒，兩個人比賽誰能在賭場賺得多。結果獲勝的是…
加入市場先生FB社團，充實更多理財好知識
50歲之前想退休一定要懂理財，解決投資的煩惱！
市場先生開了一堂的「用美股ETF創造穩定現金流」教學課程，
這堂課程會從基礎入門、資料查詢到實際操作，
教你學會建立一個穩定的全球ETF投資組合，目前累積已經有將近2000位同學上課。
線上課程》美股ETF創造穩定現金流線上課程連結
如果覺得這篇文章有幫助，
幫我按個讚，分享給更多人看到，謝謝！
一般留言