Overfitting é ajustar uma estratégia tão bem ao passado que ela acaba decorando o ruído em vez de capturar um padrão real. Resultado: um backtest lindo — e uma falha logo que encontra dados novos.
Quando você otimiza uma estratégia — mexendo em muitos parâmetros até a curva do backtest ficar impecável — corre o risco de estar moldando as regras ao acaso daquele período específico. O mercado tem muito ruído aleatório; uma estratégia com liberdade demais encontra "padrões" que são só coincidência.
No período testado, parece genial. Em dados novos, o desempenho desaba — porque o que ela aprendeu não existia de verdade. É o oposto de uma vantagem robusta.
Você otimiza uma estratégia com 15 parâmetros até o backtest render +400% em 3 anos.
Impressionante — e suspeito.
Você testa em dados que ela nunca viu (fora da amostra):
→ resultado: negativo.
Ela não tinha edge — tinha overfitting.
Quanto mais "perfeito" o backtest e mais parâmetros envolvidos, maior a chance de você estar olhando para uma ilusão bem ajustada.
"Quanto melhor o backtest, melhor a estratégia — é só maximizar o resultado."
Ajustar os parâmetros até a curva ficar perfeita produz a melhor estratégia possível.
O backtest bom demais costuma ser o mais overfit — otimizado para um passado que não se repete. Simplicidade e teste fora da amostra valem mais que "maximizar o resultado". Um backtest perfeito é um alerta, não uma prova.
O ponto isento: overfitting é o motivo nº1 de estratégias "vencedoras no papel" falharem no real. A Provex explica para você testar com honestidade — nunca prometemos resultado.
Separar vantagem verdadeira de overfitting é exatamente a função do Motor de veredito da Provex. Teste, de forma isenta, se a sua estratégia sobrevive fora da amostra e com custos reais — antes de confiar num backtest bonito.
Conhecer o Motor de veredito →Sinais: muitos parâmetros/regras específicas, desempenho ótimo no período testado e ruim fora dele, e resultados que mudam muito com pequenas alterações nos dados. Testar fora da amostra ajuda a revelar.
Manter simples (poucos parâmetros), testar em vários períodos/mercados, reservar dados não vistos (fora da amostra/walk-forward) e incluir custos reais. Reduz o risco, não elimina.
Porque resultado perfeito costuma indicar estratégia otimizada para aquele período, decorando o ruído. No real, esse ajuste raramente se repete. Bom backtest é ponto de partida, não prova.