En palabras sencillas
En trading, curve fitting describe una estrategia ajustada tan estrechamente a datos históricos ya conocidos que captura ruido y coincidencias en lugar de una relación capaz de mantenerse con datos nuevos.
Calibración o ajuste excesivo
Elegir parámetros forma parte de la construcción de muchos modelos. El riesgo aumenta cuando se prueban numerosas variantes, solo se conserva la mejor y la misma muestra sirve para inventar y juzgar la regla. Calibrar parámetros no demuestra automáticamente sobreajuste.
Qué observar
Se documentan número de pruebas, reglas descartadas, periodo in-sample, pruebas realmente out-of-sample, costes, slippage y estabilidad en mercados o ventanas diferentes. Un backtest suave no demuestra por sí solo curve fitting; el proceso de selección y la fragilidad fuera de muestra aportan la evidencia.
Consecuencia práctica
El problema no es una curva estéticamente «demasiado buena», sino una estimación optimista creada después de muchas oportunidades de elección. Overfitting desarrolla técnicas y límites; los sistemas automáticos también requieren pruebas y monitorización tras su lanzamiento.
Fuentes
- Bailey y López de Prado, How Backtest Overfitting in Finance Leads to False Discoveries — Explica por qué estrategias elegidas con datos históricos pueden convertirse en espejismos estadísticos fuera de muestra.
- Bailey et al., The Probability of Backtest Overfitting — Propone un método para estimar la probabilidad de sobreajuste al seleccionar backtests.
- U.S. SEC, Robo-Advisers — IM Guidance Update 2017-02 — Incluye pruebas, backtesting y monitorización posterior entre los controles del código algorítmico.