Strategi·Glosarium

Apa Itu Curve Fitting? Cara Mengenali Strategi yang Overfit

Curve fitting adalah mengoptimalkan strategi sampai menggambarkan data masa lalu dengan sempurna tetapi tidak memprediksi apa pun. Tanda-tandanya, dan mengapa hanya hasil riil yang bisa memastikannya.

Curve fitting (juga disebut overfitting) adalah proses menyetel parameter strategi sampai cocok dengan data historis yang dipakai untuk mengujinya, termasuk noise-nya. Hasilnya menggambarkan masa lalu dengan presisi, tetapi tidak memprediksi apa pun. Curve fitting adalah penyebab paling umum sistem yang tampak luar biasa saat diuji justru merugi pada bulan pertama dijalankan di akun riil.

Cara kerjanya

Setiap input yang bisa disetel adalah satu derajat kebebasan. Jika sekumpulan nilai ditelusuri satu per satu (grid), yang diuji bukan lagi satu strategi: setiap kombinasi adalah satu eksperimen tersendiri.

Eksperimen = v1 × v2 × ... × vk

4 parameter × masing-masing 15 nilai = 50.625 backtest
Yang terbaik dari 50.625 dipilih sebagian karena keunggulannya dan
sebagian karena noise yang kebetulan menguntungkannya

Semakin banyak eksperimen yang dijalankan pada riwayat yang sama, semakin pasti bahwa peringkat pemenangnya didapat berkat keberuntungan. Tester tidak melaporkan hal ini. Tester menampilkan pemenangnya seolah-olah itulah satu-satunya kandidat.

Empat tanda, kira-kira diurutkan dari yang paling bisa diandalkan:

  • Tebing parameter. Geser satu pengaturan satu tingkat ke arah mana pun, kinerjanya langsung ambruk. Keunggulan yang nyata menurun perlahan; keunggulan hasil fitting langsung anjlok. Moving average yang hanya berhasil di periode 47 adalah contoh klasiknya.
  • Terlalu banyak parameter untuk ukuran sampelnya. Sekumpulan aturan dengan enam input yang divalidasi pada 150 transaksi kekurangan data untuk menentukan parameternya (under-determined). Tidak ada rasio yang baku, tetapi arahnya tidak diperdebatkan.
  • Kurva ekuitas yang mulus secara mencurigakan. Imbal hasil nyata itu bergerigi. Garis diagonal yang nyaris lurus pada backtest biasanya berarti set parameter hasil fitting, atau sistem yang bertahan karena tidak menutup posisi yang rugi.
  • Ambruk di data out-of-sample. Kinerja yang bertahan di jendela fitting lalu lenyap di luarnya. Inilah uji yang menentukan, dan uji ini hanya menentukan saat pertama kali Anda melihat data out-of-sample.

Mengapa ini penting

Sistem hasil curve fitting gagal dengan cara yang khas dan mahal: sistem ini tidak merugi pelan-pelan sejak awal. Perilakunya masih wajar selama pasar mirip dengan periode fitting, lalu rusak saat kondisi pasar berubah, biasanya ketika posisi sedang besar. Trader menganggapnya nasib buruk, padahal modelnya bekerja persis seperti yang dirancang.

Penangkalnya bukan uji yang lebih pintar, melainkan rekam jejak riil, lengkap dengan spread, komisi, dan slippage yang nyata, dan cukup panjang sampai pernah menghadapi kondisi yang tidak pernah dilihat pengembangnya.

Apa yang ditunjukkan data

Di antara akun publik di ShowMyTrades yang memiliki riwayat trading (Agustus 2026): median profit factor 1,28, median drawdown terdalam 9,7%, dan median 171 transaksi ditutup per akun.

Tiga angka itu adalah distribusi acuan yang jujur. Sebanyak 38,2% akun pernah mencapai drawdown di atas 20% dan 17,6% di atas 50%. Ketika strategi diiklankan dengan profit factor di atas 3,0 dan drawdown maksimum 4%, yang diklaim bukan bakat, melainkan posisi di luar distribusi yang dibangun dari 15,4 juta transaksi yang disinkronkan. Klaim itu bisa saja benar. Namun, klaim itu butuh bukti, dan buktinya adalah hasil riil.

Median 171 transaksi ditutup itu layak diingat tersendiri: jumlah itu sampel yang kecil untuk memvalidasi apa pun, dan justru dengan sampel sebesar itulah sebagian besar akun riil dinilai.

Di mana melihatnya di ShowMyTrades

Grafik Pertumbuhan per Transaksi di penampil grafik menyusun kurva berdasarkan nomor urut transaksi, bukan tanggal. Periode tanpa aktivitas yang panjang tidak lagi mempercantik kurva, dan terlihat apakah akun masih bekerja atau sekadar masih terbuka. Tabel Imbal Hasil Bulanan menampilkan setiap bulan merah dan setiap jeda “Tidak Ada Aktivitas”: strategi yang diam-diam dioptimalkan ulang setelah bulan yang buruk biasanya meninggalkan jeda yang terlihat di sana.

Di blok Statistik Lanjutan, baca Profit Factor bersama Deviasi Standar dan Z-Score (Probabilitas): jika profit factor yang kuat bertumpu pada imbal hasil transaksi yang luar biasa seragam, akunnya terlalu mulus untuk pernah menghadapi kondisi yang beragam, dan begitulah biasanya hasil set parameter yang dibentuk dari satu periode saja. Dengan Magic Number dan Filter Komentar di panel Analisis Kustom, satu Expert Advisor (EA) di akun multistrategi bisa dipisahkan dan statistiknya dibaca tersendiri. Lencana Rekam Jejak Terverifikasi memastikan bahwa data berasal dari broker, bukan dari file laporan.

Kesalahpahaman umum

  • “Sudah lolos uji out-of-sample.” Begitu Anda melihat hasil out-of-sample lalu mengubah apa pun, data itu sudah menjadi in-sample. Kesempatan melihatnya hanya sekali.
  • “Riwayat yang lebih panjang mencegah overfitting.” Yang penting adalah rasio jumlah observasi terhadap parameter bebas, bukan rentang kalendernya. Menambah tahun sambil menambah filter justru bisa memperburuk keadaan.
  • “Optimasi walk-forward menyelesaikannya.” Optimasi walk-forward mengurangi masalahnya, tetapi juga bisa mengulanginya: mengoptimalkan ulang setiap jendela pada instrumen yang sama tetap saja pencarian pada satu riwayat yang sama.
  • “Sudah riil, jadi tidak mungkin curve fitting.” Sistem yang disetel ulang setiap kali tersandung sedang di-fitting langsung di akun riil. Akunnya memang nyata, tetapi keunggulannya masih terus direka setelah hasilnya diketahui.

Untuk melihat apa yang membedakan rekam jejak yang bisa menjawab pertanyaan ini dari yang tidak bisa, baca rekam jejak terverifikasi vs. tidak terverifikasi.