Как найти «Золотое сечение» в валютном трейдинге: Кейс об оптимизации и защите от переобучения
Многие начинающие алготрейдеры совершают одну и ту же ошибку: находят на исторических данных сочетание параметров, дающее «космическую» доходность, запускают бота и... теряют деньги. Причина — overfitting или переобучение. Система просто «зазубрила» прошлое, не поняв логики рынка.
В проекте Abscur мы решили эту задачу через поиск «Плато стабильности». Делюсь результатами эксперимента.
Гипотеза: Рынок помнит всё, но недолго
Мы исходим из того, что абсолютные курсы валют обладают инерцией. Но насколько глубока эта «память»? 3 месяца? Год? Чтобы ответить на этот вопрос, мы провели Walk-Forward Grid Search — тотальный перебор 40 комбинаций параметров обучения (Lookback) и удержания (Hold).
Этот эксперимент стал прямым продолжением нашего исследования «Dynamic Rebalancing — Эффект памяти абсолютных курсов», где мы впервые доказали жизнеспособность динамического управления.
Что такое «Плато стабильности»?
Вместо того чтобы искать самый высокий пик доходности, мы искали область на 2D-карте, где результаты остаются стабильно высокими при изменении параметров. Если шаг в сторону на один месяц не обрушивает ваш Calmar Ratio — значит, вы нашли реальную рыночную закономерность.
Результаты «баттла»: Abscur vs SGD
Мы сравнили нашу динамическую модель с признанным эталоном стабильности — Сингапурским долларом (SGD) на отрезке 2023–2026 гг.
Итоги эксперимента:
- Доходность: +9.55% (против +7.33% у бенчмарка).
- Максимальная просадка: всего -0.59% (против -1.86% у SGD). В 3 раза безопаснее!
- Коэффициент Кальмара: 5.20 (против 1.28). В 4 раза эффективнее по соотношению риск/прибыль.
- Волатильность: 1.74% — стратегия оказалась стабильнее самого «тихого» фиатного актива.
Инсайт для профи
Индекс гладкости плато (0.65) подтверждает, что мы нашли не случайный выброс, а устойчивую зону эффективности.
Вердикт
Динамическая ребалансировка по Max Calmar — это не про «угадывание» курса, а про управление математическим ожиданием. Мы доказали, что даже в условиях волатильности можно построить кривую капитала, которая больше похожа на прямую линию.
Подробный разбор методологии и интерактивный Python-код доступны здесь:
🔗 Статья на сайте: https://www.abscur.ru/2026/04/blog-post.html
🔗 Код на Kaggle: Kaggle: Walk-Forward Stability Plateau
Буду рад обсудить в комментариях ваши подходы к защите от переобучения в алгостратегиях.