Overfitting ontstaat wanneer een model of strategie te sterk is afgestemd op historische data. Het model leert dan patronen uit het verleden die niet echt bestaan of die in de toekomst niet terugkomen. Hierdoor kan het model in tests met oude data goed presteren, maar slecht werken met nieuwe gegevens.
image_here
Overfitting kan een model beter laten lijken dan het in werkelijkheid is.
In de financiële wereld en bij algoritmische handel gebeurt overfitting vaak wanneer een strategie te veel wordt geoptimaliseerd met historische marktdata. Door veel parameters aan te passen kan een model toevallige patronen in het verleden oppikken in plaats van echte trends.
Daardoor lijkt een strategie in backtests zeer winstgevend, terwijl de resultaten in de praktijk tegenvallen. Om overfitting te beperken testen analisten modellen vaak op aparte datasets en proberen zij eenvoudige en robuuste modellen te gebruiken.
Kort voorbeeld:
Stel dat een trader een handelsalgoritme ontwikkelt op basis van tien jaar historische beursdata.
De trader past de strategie steeds verder aan totdat de backtest zeer hoge winsten laat zien.
Wanneer de strategie vervolgens in de echte markt wordt gebruikt, blijken de resultaten tegen te vallen. Het model was namelijk te sterk afgestemd op toevallige patronen in de historische data in plaats van op betrouwbare marktgedragingen.
Disclaimer: Beleggen brengt risico’s met zich mee. Onze analisten zijn geen financieel adviseurs. Raadpleeg altijd een adviseur bij het maken van financiële beslissingen. De informatie en tips die op deze website zijn verstrekt zijn gebaseerd op eigen inzichten en ervaringen van onze analisten. Deze dienen daarom alleen voor educatieve doeleinden.