カーブフィッティング
カーブフィッティングとは、過去のデータに最も合うようにアルゴリズムやモデルを当てはめてしまい、汎用性が損なわれてしまうことを指します。
過去データに最適化しすぎることにより、将来のデータに対応できなくなるという性質を持ち、「過剰最適化」、「オーバーフィッティング」とも呼ばれます。
FXにおいては、MT4やMT5、TradingViewなどでバックテストおよびパラメーター調整ができます。
カーブフィッティングにならないよう、パラメーターを慎重に調整することが重要とされます。
カーブフィッティングを防ぐ方法として、学習用データ（イン・サンプル）と、検証用データ（アウト・オブ・サンプル）を分ける方法があります。
学習用データでパラメーターを調整し、その後に検証用データで結果を確認することで、未来のデータに対する効果を確認できます。
パラメーター調整をしすぎると、学習用データに特化した都合のよい戦略になってしまい、検証用データでの再現性が損なわれるリスクがあります。
なお、過去データで検証を行う「バックテスト」に対する用語として、将来の相場で検証を行う「フォワードテスト」などがあります。
