Зафиналить тему подгонки систем под исторические данные хотелось бы.

Мое имхо: все без исключения методы прогнозирования цены являются «подгонкой» под исторические данные. Продолжение smart-lab.ru/blog/1179192.php

Это фундаментальное ограничение работы с будущим — у нас есть только прошлое как источник информации.

Технический анализ

Источник данных:

• Исторические цены
• Объемы торгов

Почему это «подгонка»:

• Индикаторы (RSI, MACD, скользящие средние и прочие шалости) выводятся из наблюдений за прошлым поведением цены
• Графические паттерны (голова-плечи, флаги или что там вам ещё померещилось) основаны на исторических повторениях
• Параметры стратегий оптимизируются на исторических данных
• Успешность в прошлом не гарантирует успеха в будущем из-за изменчивости рынков

Фундаментальный анализ

Источник данных:

• Финансовая отчетность (выручка, прибыль, долги)
• Макроэкономические показатели (ВВП, инфляция, ставки)
• Отраслевые тренды
• Новости и события

Почему это «подгонка»:

• Модели оценки (DCF, сравнительный анализ) используют исторические мультипликаторы
• Предположения о будущих денежных потоках основаны на экстраполяции прошлых данных
• Прогнозы темпов роста базируются на исторических тенденциях
• Интерпретация новостей основана на том, как похожие события влияли в прошлом

Количественные модели и машинное обучение

Источник данных:

• Любые исторические данные (цены, фундаментал, альтернативные данные)

Почему это «подгонка»:

• Алгоритмы обучаются на исторических данных
• Выявляют сложные паттерны и зависимости из прошлого
• Качество модели зависит от качества и репрезентативности прошлых данных
• Высок риск «переобучения» — когда модель запоминает шум вместо реальных закономерностей

У нас есть только один источник информации — ПРОШЛОЕ. Данных из будущего нет.

Любой прогноз — это:

• Экстраполяция (продолжение существующих тенденций)
• Интерпретация (придание смысла данным на основе прошлого опыта)
• Выявление паттернов (поиск повторяющихся шаблонов в истории)

Модели создаются и «настраиваются» на том, что уже произошло, в надежде, что выявленные закономерности сохранятся.

Разумная модель

• Проходит строгую проверку на независимых исторических данных (out-of-sample)
• Тестируется в реальном времени (форвард-тест)
• Следует принципу простоты («бритва Оккама» — не усложняет без необходимости)
• Признает неопределенность и ограниченность прогнозов
• Фокусируется на устойчивых, статистически значимых закономерностях

Переобучение (Overfitting)

• Идеально работает только на данных, под которые подгонялась
• Учитывает случайный шум, а не реальные закономерности
• Чрезмерно сложная модель с множеством параметров
• Бесполезна на новых данных
• Создает ложное впечатление точности прогноза

Подгонка под исторические данные — неотъемлемая часть создания любой прогнозной модели.

Ценность модели определяется не отсутствием подгонки, а тем, насколько строго проверена ее способность обобщать выявленные в прошлом закономерности на новые, неизвестные условия.

Настоящая проверка любой модели — будущее, которое всегда остается неопределенным.