カーブフィッティング
過去データに過度に最適化して、実際の取引では機能しない戦略を作ってしまうこと
なんとなく理解しよう！
5歳でもわかる超かんたん解説
カーブフィッティングっていうのはね、テストの答えを丸暗記しちゃうみたいなことなんだよ。
たとえば、算数のテストで「2+2=4」「3+3=6」って答えだけ覚えたとするでしょ？でも本番のテストで「2+3=？」って出たら、答えられないよね。それと同じで、過去の問題と答えを完璧に覚えすぎて、新しい問題が解けなくなっちゃうんだ。
お金の世界でも、「去年はこうすれば儲かった」っていうのを細かく覚えすぎると、今年は全然違う動きをして失敗しちゃうんだよ。
だから賢い大人は、ちょうどいい勉強の仕方を探すんだ。答えを丸暗記するんじゃなくて、「なぜそうなるのか」を理解しようとするんだよ。でも、どこまでが「ちょうどいい」のか見つけるのは、とっても難しいんだ。
つまりカーブフィッティングは答えの丸暗記で応用が利かなくなることみたいなものだよ！
カーブフィッティングは、まるで過去問題集の答えを全部暗記して、本番で全く違う問題が出て困っちゃうようなものなんだ。コンピューターに「去年の相場ではこうすれば100回中100回勝てた」って教えすぎると、今年の違う相場では全然勝てないんだよ。完璧を求めすぎると、かえって失敗しちゃうという不思議なことが起きるんだ。
さらに深掘ってマスターしよう！
もっと詳しい本格解説
カーブフィッティングは、過去データに過度に適合させた結果、将来の予測精度が著しく低下する現象なんですよ。バックテストで完璧な成績を追求するあまり、ノイズまで学習してしまい、実際の市場では全く機能しない戦略になってしまいます。統計学では「過適合」とも呼ばれています。
典型的な症状は、パラメータが多すぎる、条件が複雑すぎる、最適化しすぎるなどです。例えば、「RSIが37.8かつMACDが-0.0234かつ時刻が14:37」のような過度に特定的な条件は、カーブフィッティングの可能性が高いんですよ。バックテストでは勝率90％でも、実運用では大損失となることが多いんです。
対策として重要なのはシンプルさの維持です。パラメータは最小限に抑え、ウォークフォワード分析やアウトオブサンプルテストで検証します。また、異なる市場や期間でも機能するか確認し、ロバスト性を確保することが重要なんです。
関連用語をチェック！
カーブフィッティングに関するQ&A
よくある質問と回答