Backtest Overfitting là gì? Look-ahead bias, survivorship bias và curve fitting

Backtest overfitting là hiện tượng một chiến lược được chỉnh quá sát dữ liệu lịch sử nên kết quả trong mẫu trông rất đẹp nhưng suy giảm khi gặp dữ liệu mới. Overfitting thường xuất hiện khi trader thử quá nhiều tham số, chọn kết quả đẹp nhất sau khi đã xem dữ liệu, hoặc bỏ qua chi phí và những đối tượng đã biến mất. Backtest có giá trị khi quy tắc được khóa và kiểm định nghiêm ngặt, không phải khi đường equity đẹp nhất được tìm thấy.

Backtest overfitting với kết quả đẹp trong mẫu và suy giảm ngoài mẫu
Một quy tắc khớp quá khứ quá chặt có thể thất bại trên dữ liệu mới.

Key Takeaways

  • Overfitting không đồng nghĩa chiến lược sai; nó cho thấy bằng chứng chưa đủ đáng tin.
  • In-sample dùng để xây quy tắc; out-of-sample dùng để kiểm tra quy tắc đã khóa.
  • Look-ahead bias, survivorship bias và curve fitting làm kết quả lạc quan quá mức.
  • Spread, commission, swap và slippage phải xuất hiện trong test khi phù hợp.
  • Forward test là bước tiếp theo, không phải phần thưởng sau backtest đẹp.

Backtest overfitting là gì?

Một chiến lược có thể có nhiều điều kiện: indicator period, Stop Loss, thời gian giao dịch, bộ lọc trend, target và cách thoát lệnh. Nếu thử đủ nhiều tổ hợp trên cùng dữ liệu quá khứ, gần như chắc chắn sẽ có tổ hợp trông xuất sắc do ngẫu nhiên. Tổ hợp đó có thể chỉ phù hợp “nhiễu” lịch sử thay vì một logic có thể lặp lại.

Trước khi tối ưu, hãy nắm cách backtest chiến lược trading và cần bao nhiêu lệnh để backtest.

Ba lỗi làm backtest đẹp giả

Look-ahead bias, survivorship bias và curve fitting trong backtest
Ba nguồn sai lệch khiến backtest lạc quan hơn thực tế.

Look-ahead bias

Look-ahead bias là dùng thông tin mà tại thời điểm ra quyết định trader chưa thể biết. Ví dụ: dùng giá đóng cửa ngày để quyết định lệnh được cho là vào trước khi ngày đó kết thúc, hoặc dùng dữ liệu đã điều chỉnh sau khi sự kiện xảy ra.

Survivorship bias

Survivorship bias xảy ra khi dataset chỉ giữ lại tài sản/cổ phiếu còn tồn tại và loại những đối tượng bị hủy niêm yết, phá sản hoặc biến mất. Điều này phổ biến hơn ở equity universe, nhưng tư duy chọn lọc “chỉ lấy thứ còn sống” cũng có thể làm bất kỳ dataset nào đẹp hơn.

Curve fitting

Curve fitting là tinh chỉnh tham số cho khớp đường giá quá khứ. Một chút điều chỉnh để kiểm tra giả thuyết là bình thường; vấn đề bắt đầu khi kết quả đổi rất mạnh chỉ vì thay một tham số nhỏ và không có lý do thị trường rõ ràng.

Dấu hiệu chiến lược bị overfit

Dấu hiệu một chiến lược trading bị overfit
Quá nhiều tham số và không chịu được chi phí là các dấu hiệu cần xem lại.
  • Quy tắc có quá nhiều điều kiện hoặc tham số tùy chỉnh.
  • Chỉ tốt trong một giai đoạn thị trường hoặc một symbol.
  • Chỉ một “điểm tối ưu” có kết quả tốt, các giá trị lân cận suy giảm mạnh.
  • Kết quả biến mất khi thêm spread, commission hoặc slippage.
  • Không giải thích được tại sao điều kiện có thể tạo lợi thế.

Cách thiết kế backtest ít overfit hơn

Checklist chống overfitting khi backtest chiến lược trading
Chia mẫu, khóa quy tắc, tính chi phí và forward test.
  1. Viết giả thuyết và quy tắc trước khi nhìn kết quả.
  2. Chia in-sample/out-of-sample theo thời gian; không xáo trộn dữ liệu chuỗi thời gian.
  3. Giới hạn số lần thử tham số và lưu toàn bộ thử nghiệm, không chỉ lưu kết quả đẹp.
  4. Thêm chi phí hợp lý: spread, commission, swap và slippage khi phù hợp.
  5. Kiểm tra trên nhiều giai đoạn, volatility regime và điều kiện thanh khoản.
  6. Chuyển sang forward test với quy tắc đã khóa.

Backtest tốt có đảm bảo hệ thống lời không?

Không. Backtest là bằng chứng có điều kiện: nó phụ thuộc dữ liệu, quy tắc, cách khớp lệnh giả định, chi phí và kỷ luật thực thi. CFTC cũng cảnh báo kết quả giả định có giới hạn vốn có và có thể không phản ánh đầy đủ thanh khoản, chi phí hay khả năng chịu chuỗi thua thực tế.

Câu hỏi thường gặp

Dùng nhiều indicator có phải overfitting không?

Không nhất thiết. Rủi ro tăng khi mỗi indicator được thêm chỉ để cải thiện số liệu quá khứ mà không có logic độc lập và không được kiểm tra ngoài mẫu.

Out-of-sample tốt là đủ chưa?

Đó là bằng chứng mạnh hơn in-sample, nhưng vẫn cần xem số lượng lệnh, chi phí, tính ổn định và forward test.

Ví dụ giả định: chiến lược tốt trên báo cáo nhưng không bền ngoài thị trường

Giả sử một người kiểm tra 60 biến thể của cùng một chiến lược breakout: thay đổi khung thời gian, độ dài chỉ báo, phiên giao dịch và mức dừng lỗ. Sau cùng, một biến thể cho đường vốn đẹp nhất trên dữ liệu cũ. Kết quả đó có thể chỉ là sản phẩm của việc thử quá nhiều lần; thị trường trong tương lai không có nghĩa vụ lặp lại đúng tập hợp điều kiện đã tạo ra đường vốn đẹp này.

Để giảm rủi ro, hãy xác định quy tắc trước khi chạy backtest, giới hạn số lần điều chỉnh và giữ lại một phần dữ liệu hoàn toàn chưa được xem để đánh giá sau cùng. Nếu cần thay đổi quy tắc sau khi nhìn kết quả, hãy xem đó là một giả thuyết mới và kiểm tra lại từ đầu.

Nhật ký nghiên cứu giúp phát hiện curve fitting

Mỗi lần kiểm tra nên ghi lại nguồn dữ liệu, thị trường, khung thời gian, quy tắc vào–ra lệnh, spread giả định, trượt giá, phí và lý do thay đổi tham số. Nhật ký này làm rõ liệu chiến lược được cải thiện vì logic tốt hơn hay chỉ vì một tham số được “vặn” cho hợp dữ liệu cũ.

  • Ghi giả định trước khi xem kết quả.
  • Đánh dấu mọi lần loại bỏ giao dịch hoặc thay đổi quy tắc.
  • Kiểm tra nhiều giai đoạn thị trường, không chỉ một giai đoạn thuận lợi.
  • Chuyển sang tài khoản mô phỏng hoặc quy mô nhỏ trước khi coi kết quả là có thể vận hành.

Khi nào nên dừng tối ưu hóa

Nếu một thay đổi nhỏ chỉ cải thiện vài chỉ số trên in-sample nhưng làm quy tắc khó giải thích hơn, đó là tín hiệu nên dừng lại. Một hệ thống đơn giản, có giả định rõ và chịu được chi phí thực tế thường hữu ích hơn một hệ thống có nhiều tham số nhưng không có lý do kinh tế hoặc hành vi rõ ràng.

Kết quả backtest là dữ liệu quá khứ, không phải cam kết hiệu suất tương lai. Hãy tính đến spread, commission, trượt giá, giới hạn khớp lệnh và rủi ro mất vốn.

Nguồn tham khảo

Cảnh báo rủi ro: Nội dung chỉ nhằm mục đích giáo dục và cung cấp thông tin, không phải khuyến nghị đầu tư hoặc lời mời giao dịch. Các mối tương quan, backtest và mô phỏng thống kê có giới hạn; không đảm bảo kết quả trong tương lai. Trading có rủi ro mất vốn và người đọc tự chịu trách nhiệm với quyết định của mình.

Để lại một bình luận

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *