Điểm GT giúp giảm khớp quá mức khi tối ưu hóa chiến lược giao dịch

Tóm tắt

Tài liệu trình bày GT-Score, một mục tiêu tổng hợp để tối ưu hóa các chiến lược giao dịch dựa trên dữ liệu. Chỉ số này kết hợp các thước đo hiệu suất, ý nghĩa thống kê, tính nhất quán và rủi ro giảm, nhằm hạn chế lựa chọn khớp quá sát với dữ liệu lịch sử. Động cơ của nghiên cứu là việc kiểm thử lặp lại có thể tạo ra các mô hình giả và suy luận thống kê thông thường có thể không đáng tin cậy khi lợi suất không phân phối chuẩn.

Nghiên cứu thực nghiệm sử dụng dữ liệu lịch sử của 50 công ty thuộc S&P 500 từ 2010 đến 2024. Nghiên cứu đánh giá ba chiến lược bằng chín phân đoạn kiểm thử cuốn chiếu tuần tự và một nghiên cứu Monte Carlo dùng 15 hạt giống ngẫu nhiên. Các tác giả báo cáo tỷ lệ lợi suất kiểm định so với huấn luyện cao hơn với Điểm GT so với các mục tiêu cơ sở, trong khi các kiểm định theo cặp phát hiện khác biệt với mục tiêu Sortino và Simple, nhưng mức độ ảnh hưởng nhỏ. Những kết quả này ủng hộ việc nghiên cứu thêm mục tiêu này, nhưng bằng chứng chỉ giới hạn ở các cổ phiếu, chiến lược và thiết kế đánh giá đã nêu. Chỉ riêng tỷ lệ khái quát hóa tốt hơn không đảm bảo triển khai có lợi nhuận hay giải quyết mọi nguồn rủi ro từ mô hình và khâu thực thi.

Ý chính

• GT-Score kết hợp các yếu tố về hiệu suất, ý nghĩa thống kê, tính nhất quán và rủi ro giảm.
• Thiết kế hướng đến xử lý hiện tượng khai thác dữ liệu và suy luận yếu khi lợi suất không phân phối chuẩn.
• Đánh giá sử dụng kiểm định cuốn chiếu và nghiên cứu Monte Carlo trên ba chiến lược.
• Các khác biệt được báo cáo có mức độ ảnh hưởng nhỏ, và bằng chứng chỉ bao quát một mẫu lịch sử giới hạn.

Thẻ

# The GT-Score: A Robust Objective Function for Reducing Overfitting in Data-Driven Trading Strategies


# The GT-Score: A Robust Objective Function for Reducing Overfitting in Data-Driven Trading Strategies









Overfitting remains a critical challenge in data-driven financial modeling, where machine learning (ML) systems learn spurious patterns in historical prices and fail out of sample and in deployment. This paper introduces the GT-Score, a composite objective function that integrates performance, statistical significance, consistency, and downside risk to guide optimization toward more robust trading strategies. This approach directly addresses critical pitfalls in quantitative strategy development, specifically data snooping during optimization and the unreliability of statistical inference under non-normal return distributions. Using historical stock data for 50 S&P 500 companies spanning 2010-2024, we conduct an empirical evaluation that includes walk-forward validation with nine sequential time splits and a Monte Carlo study with 15 random seeds across three trading strategies. In walk-forward validation, GT-Score improves the generalization ratio (validation return divided by training return) by 98% relative to baseline objective functions. Paired statistical tests on Monte Carlo out-of-sample returns indicate statistically detectable differences between objective functions (p < 0.01 for comparisons with Sortino and Simple), with small effect sizes. These results suggest that embedding an anti-overfitting structure into the objective can improve the reliability of backtests in quantitative research. Reproducible code and processed result files are provided as supplementary materials.

Hiển thị toàn văn kèm ghi nguồn theo giấy phép của tài liệu gốc. Giấy phép: abstract CC0

Bản tóm tắt này do tác nhân nghiên cứu của Stratmill biên soạn từ tài liệu gốc; đây không phải bản sao của tài liệu.