Борьба с эффектом чрезмерной подгонки (overfitting) в финансовых моделях

Торговые инвестиционные стратегии в практическом применении чаще всего являются неэффективными в силу низкой прогностической силы. Финансовое моделирование на исторических данных (backtest), в большинстве случаев порождает стратегии, которые работают на обучающей выборке, однако в значительной степени отклоняются при добавлении новых данных. Чаще всего это объясняется теоретической направленностью исследований по построению торговых стратегий – ориентацией на минимизацию эмпирического риска и максимизацию доходности на истории. В таком случае инвесторы несут более высокие риски потери денежных средств, связанные с низким качеством и ненадежностью такого прогнозирования. В рамках настоящего исследования разработан способ оптимизации параметров модели прогнозирования финансового рынка, снижающего эффект чрезмерной подгонки. Под чрезмерной подгонкой в работе понимается деградация качества прогноза, а борьба с ней осуществляется через её «эксплуатацию» на исторических данных для максимизации будущих финансовых результатов. Стоит также отметить, что вопрос борьбы с чрезмерной подгонкой при построении финансовых моделей в настоящее время остаётся открытым.