Оптимизация или подгонка?

Чем отличается оптимизация от подгонки под исторические данные:

Подгонкой называется фильтрация сделок, с целью отделить прибыльные от убыточных и устранить из работы советника убыточные, оставив только профитные.

Оптимизацией называется сочетание входных параметров советника со статистическими данными по прибыльным и убыточным сделкам с целью минимизации убытков. Т.е. при оптимизации убыточные сделки не удаляются из бектестов, а только умаляется их отрицательное влияние на конечный результат — баланс депозита. При этом целью оптимизации является поиск экстремума — минимального значения для общего итога по всем убыточным сделкам. 

Следует добавить, что результат оптимизации не обязательно должен иметь только профитный конечный результат. Например, если взять математическую теорию игр для двух лиц с нулевой суммой и выбрать или составить несправедливую игру подпадающую под эту самую терию, то оптимизация для игрока по отношению к которому она несправедлива будет означать поиск такой стратегии, придерживаясь которой он будет терпеть наименьшие убытки (о прибыли в долгосрочном периоде тут вообще речи даже идти не может). Любое отступление от этой самой стратегии способно дать убытки еще большие, т.к. любая другая стратегия станет неоптимальной. Соответственно для игрока, по отношению к которому игра справедлива, оптимальной стратегией будет такая, при которой он может извлекать наибольшую прибыль, а отступление от этой самой стратегии даст в долгосрочном периоде только худший результат. Но игроки, независимо от того, справедлива игра по отношению к ним или нет, все равно будут время от времени терпеть и убытки или же извлекать прибыль.

Но теория игр справедлива только для примеров со стабильными правилами и заведомо известной статистикой по вероятности, а не по частоте. Для трейдинга о таких идеальных условиях приходится только мечтать, т.к. правила игры устанавливают брокеры и дилеры и при желании могут ужучить пипсы по проскальзываниям, или заведомо сократить вероятность профитности сделок, если тейпрофит засчитывается не по первому касанию. Помимо этого еще и сама статистика меняется со временем и не стоит на месте, т.е. оптимально подобранные входные параметры МТС для прошлых исторических данных могут быть несправедливыми в будущем, т.к. значение экстремума от входных параметров сместится. Чтобы избежать этих недостатков применяется, так называемый запас прочности, т.е. прогон оптимизатора выполняется по истории с худшими параметрами, например, с искусственно преувеличенным спредом. Также при использовании фиксированной фракции, когда объем сделки подбирается прямо пропорциональным текущему балансу, коэффициент пропорциональности этого самого объема также искусственно занижается по сравнению с тем, что был получен во время оптимизации ТС на исторических данных.

Многие называют подгонкой оптимально подобранные под исторические данные входные параметры. На самом деле это не подгонка, а тоже оптимизация, но без учета того, что статистика изменчива и функция профитности в зависимости от входных параметров имеет девиации (все равно, что задача по физике, в которой предлагается пренебречь сопротивлением среды или трением).

Но в общем то не суть, как и что называть (факт, что отсуствие в бектесте позиций закрытых с убытком считается 100% подгонкой), сколько суть, как правильно подобрать параметры. А поскольку основным методом борьбы со статистическими девиациями является придание торговой стратегии запаса прочности (оправдал себя в другой прикладной области — сопромате), то можно прогнать оптимизацию по одним историческим данным (выборка), потом протестировать по другим историческим данным того же инструмента, которые не использовались при оптимизации (вне выборки) и определить насколько ухудшилась статистика. Например, вычислить значение фракции оптимальное для данных вне выборки и еще круче умалить его, чтобы запас прочности был достаточным для более худшего случая.