O que é overfitting
Overfitting (também chamado de curve fitting ou ajuste excessivo) é ajustar as regras e os parâmetros de uma estratégia ao ruído de um período passado. O resultado é um backtest muito bom que não se repete com dados novos.
O backtest é o teste de uma estratégia em dados históricos. O ruído são os movimentos aleatórios de preço que não seguem nenhum padrão estável. Quando a estratégia "aprende" o ruído, ela descreve bem o passado, mas não o mercado.
Pronto para testar em uma conta real ou demo?
Link de parceiro · operar envolve alto risco de perda
Exemplo hipotético
Um trader testa uma estratégia de cruzamento de médias móveis em EUR/USD. Ele usa um otimizador para testar muitas combinações de períodos das médias, de stop loss e de horário de entrada, sempre no mesmo trecho de histórico.
- No histórico usado na otimização: a combinação escolhida mostra uma curva de capital quase reta, com drawdown pequeno.
- Em um trecho de dados que ficou de fora: a mesma combinação perde dinheiro, e o drawdown supera o que o teste mostrava.
- Diagnóstico: combinações vizinhas, com parâmetros só um pouco diferentes, também dão resultados ruins. Isso indica que o ótimo encontrado era um acaso do período, não uma vantagem real.
O sinal típico de overfitting é este: um resultado excelente que depende de um ajuste muito preciso dos parâmetros.
Definição formal e casos-limite
De forma mais precisa, um modelo está sobreajustado quando o desempenho dentro da amostra (in-sample) supera de forma sistemática o desempenho fora da amostra (out-of-sample). O motivo é que o modelo captou características específicas da amostra, e não a estrutura que gera os dados. Em estatística, isso corresponde a um modelo de alta variância.
Alguns pontos importam para quem já faz backtests:
- Graus de liberdade: quanto mais parâmetros, filtros e regras a estratégia tem em relação ao número de operações do teste, maior o risco de ajuste excessivo.
- Data snooping (viés de testes múltiplos): testar muitas variantes e guardar só a melhor gera um ótimo aparente, mesmo sem vantagem real.
- Out-of-sample reutilizado: quando o trader volta várias vezes ao trecho de validação e ajusta a estratégia a ele, esse trecho também passa a fazer parte da otimização.
- Mudança de regime: uma estratégia pode falhar porque o mercado mudou, e não por overfitting. Separar as duas causas exige testar períodos e instrumentos diferentes.
- Underfitting: é o erro oposto. O modelo é simples demais e não capta nem a estrutura real.
Um backtest aprovado não elimina o risco. Operar CFDs e forex com alavancagem pode gerar perdas rápidas, inclusive com estratégias bem testadas. Veja gerenciamento de risco.
Onde o termo aparece
- Plataformas: o Strategy Tester do MetaTrader 5 tem modo de otimização e permite reservar um período forward (fora da amostra). Os relatórios mostram métricas como fator de lucro e drawdown, que podem parecer ótimas em um teste sobreajustado. Mais sobre as plataformas em plataformas e apps.
- Relatórios de pesquisa: termos como walk-forward, validação cruzada e robustez dos parâmetros.
- Notícias: artigos sobre fundos quantitativos, machine learning e trading via API usam o termo para explicar por que modelos que funcionavam deixam de funcionar.
Termos relacionados
- Estratégias de trading
- Análise técnica
- Curva de capital
- Fat tails e tail risk
- Cisne negro
- High-frequency trading
- Psicologia do trading
- Glossário de trading
Perguntas frequentes
O que é overfitting em poucas palavras?
É ajustar uma estratégia ao ruído dos dados passados. O backtest fica bom, mas o resultado não se repete com dados novos.
Curve fitting e overfitting são a mesma coisa?
No trading, os termos costumam ser usados como sinônimos. Os dois descrevem o ajuste excessivo de parâmetros ao histórico.
Como o overfitting aparece em um backtest?
Os sinais mais comuns são um resultado muito bom que depende de parâmetros exatos, piora clara fora da amostra e muitas regras para poucas operações.
Um teste fora da amostra resolve o problema?
Ajuda, mas não garante nada. Se o trecho de validação for usado repetidas vezes para ajustar a estratégia, ele deixa de ser independente.
Evitar overfitting garante lucro?
Não. Uma estratégia robusta no teste ainda pode perder dinheiro, e a alavancagem aumenta essas perdas.
