Walk-Forward оптимизация: как не переобучить торговую стратегию
Подобрать параметры, которые идеально работали на прошлом, нетрудно. Трудно подобрать параметры, которые продолжат работать на новых данных. Walk-Forward анализ — стандартный способ отличить одно от другого.
Проблема переобучения
Если оптимизировать много параметров на одном и том же отрезке истории, почти всегда найдётся комбинация с впечатляющим результатом. Но часть этого результата — подгонка под случайные особенности конкретного периода. На новых данных такая стратегия нередко разочаровывает.
Как работает Walk-Forward
Историю делят на последовательные окна. На первом участке (in-sample) подбирают параметры, на следующем за ним (out-of-sample) проверяют их без изменений. Затем окно сдвигается вперёд, процедура повторяется. В итоге формируется «склеенная» кривая капитала, состоящая только из результатов на данных, которых оптимизатор не видел.
- Скользящее окно — обучающий участок фиксированной длины сдвигается вперёд.
- Расширяющееся окно — обучающий участок растёт, начало остаётся прежним.
Как оценивать результат
Ключевой показатель — насколько результат на out-of-sample участках сохраняется относительно обучающих. Если на новых данных стратегия теряет почти всё — это признак переобучения. Устойчивая стратегия даёт похожую, пусть и немного худшую картину. Дополнительно смотрят, насколько стабильны оптимальные параметры от окна к окну: если они «скачут», система, вероятно, подогнана под шум.
Типичные ошибки
- Слишком много оптимизируемых параметров при малом числе сделок.
- Утечка данных: информация из будущего попадает в обучающий участок.
- Слишком короткие окна проверки, из-за чего результат определяется случайностью.
- Многократные «улучшения» стратегии по результатам out-of-sample — после этого проверочный участок перестаёт быть независимым.
Walk-Forward в живой торговле
Та же логика переносится в реальную работу: параметры периодически пересматриваются на свежих данных, а результат оценивается на следующем отрезке. Это помогает системе адаптироваться к смене режима и волатильности. Вместе с методом Монте-Карло Walk-Forward даёт более реалистичное представление о риске, чем один бэктест.
Как эти методы применяются в AlmoreTrade — на странице «Адаптивный алгоритм».