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です。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、金融庁の投資助言業に関するガイドラインでも、過去の実績が将来を保証するものではないことが明記されています。

典型的な症状としては、パラメータが多すぎる、条件が複雑すぎる、特定期間でしか機能しないなどが挙げられます。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く、資金管理の観点からも危険です。

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することが推奨されています。また、異なる通貨ペア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。日本証券業協会でも、システムトレードにおける過度な最適化のリスクについて注意喚起がなされています。