{"id":52638,"date":"2025-04-23T13:20:35","date_gmt":"2025-04-23T05:20:35","guid":{"rendered":"http:\/\/test.swqi.tw\/?p=52638"},"modified":"2025-12-03T03:43:38","modified_gmt":"2025-12-02T19:43:38","slug":"ea-out-of-sample-validation-guide","status":"publish","type":"post","link":"https:\/\/mister.forex\/pl\/ea-out-of-sample-validation-guide\/","title":{"rendered":"EA Ocena Zaawansowana: Weryfikacja strategii za pomoc\u0105 test\u00f3w poza pr\u00f3bk\u0105, po\u017cegnanie z nadmiernym dopasowaniem"},"content":{"rendered":"
\n\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n

Testowanie In-Sample vs Testowanie Out-of-Sample: Jak bardziej wiarygodnie oceni\u0107 sw\u00f3j EA?<\/strong> <\/h2>\n\nW poprzednim artykule om\u00f3wili\u015bmy, jak \u201eoptymalizowa\u0107\u201d (Optimization) swojego Doradc\u0119 Eksperta (EA), czyli dostosowywa\u0107 ustawienia parametr\u00f3w, aby lepiej radzi\u0142 sobie na historycznych danych.
\nWspomnieli\u015bmy r\u00f3wnie\u017c o konieczno\u015bci ostro\u017cno\u015bci przed pu\u0142apk\u0105 \u201eprzeuczenia\u201d (Overfitting), czyli sytuacj\u0105, gdy EA zbyt idealnie dopasowuje si\u0119 do przesz\u0142ych danych, co mo\u017ce skutkowa\u0107 s\u0142ab\u0105 wydajno\u015bci\u0105 w przysz\u0142o\u015bci.

\n\nJak wi\u0119c mo\u017cemy wiedzie\u0107, czy znalezione podczas optymalizacji \u201enajlepsze\u201d ustawienia parametr\u00f3w naprawd\u0119 nauczy\u0142y si\u0119 regu\u0142 rynku, czy tylko \u201ewyku\u0142y na pami\u0119\u0107\u201d przesz\u0142e dane?
\nW tym momencie bardzo wa\u017cne staj\u0105 si\u0119 dwa poj\u0119cia: testowanie In-Sample i testowanie Out-of-Sample.
\nPomagaj\u0105 one bardziej wiarygodnie oceni\u0107 strategi\u0119 EA.

\n\n\"\"

\n\n

Czym jest testowanie In-Sample?<\/strong> <\/h3>\n\n

Prosto m\u00f3wi\u0105c:<\/strong> <\/h4>\nTestowanie In-Sample odnosi si\u0119 do fragmentu historycznych danych, kt\u00f3re wykorzystujesz podczas procesu optymalizacji.

\n\n

Jak nauka z podr\u0119cznika:<\/strong> <\/h4>\nWyobra\u017a sobie, \u017ce przygotowujesz si\u0119 do egzaminu, powtarzaj\u0105c najwa\u017cniejsze fragmenty podr\u0119cznika zaznaczone przez nauczyciela.
\nEA podczas optymalizacji \u201euczy si\u0119\u201d tych danych In-Sample, szukaj\u0105c ustawie\u0144 parametr\u00f3w, kt\u00f3re najlepiej sprawdzaj\u0105 si\u0119 na tym fragmencie danych.

\n\n

Jaki jest cel?<\/strong> <\/h4>\nZnale\u017a\u0107 zestaw parametr\u00f3w, kt\u00f3ry daje najlepsze wyniki na tym konkretnym fragmencie historycznych danych.

\n\n

Jakie s\u0105 ograniczenia?<\/strong> <\/h4>\nDobre wyniki na danych In-Sample nie gwarantuj\u0105 dobrych wynik\u00f3w w przysz\u0142o\u015bci.
\nEA mo\u017ce po prostu \u201ezapami\u0119ta\u0107\u201d specyficzne wzorce lub szumy w tych danych, zamiast nauczy\u0107 si\u0119 uniwersalnych regu\u0142.
\nTo w\u0142a\u015bnie ryzyko przeuczenia.

\n\n

Czym jest testowanie Out-of-Sample?<\/strong> <\/h3>\n\n

Prosto m\u00f3wi\u0105c:<\/strong> <\/h4>\nTestowanie Out-of-Sample polega na u\u017cyciu innego fragmentu historycznych danych, kt\u00f3ry nie by\u0142 u\u017cywany podczas optymalizacji, do przetestowania znalezionych w In-Sample \u201enajlepszych\u201d parametr\u00f3w.

\n\n

Jak egzamin pr\u00f3bny:<\/strong> <\/h4>\nPo powt\u00f3rzeniu materia\u0142u z podr\u0119cznika (testowanie In-Sample) robisz pr\u00f3bny egzamin, kt\u00f3rego nigdy wcze\u015bniej nie widzia\u0142e\u015b (dane Out-of-Sample), aby sprawdzi\u0107, jak dobrze si\u0119 nauczy\u0142e\u015b.
\nTestowanie Out-of-Sample polega na tym, \u017ce EA u\u017cywa zoptymalizowanych parametr\u00f3w do dzia\u0142ania na danych historycznych, kt\u00f3rych \u201enie zna\u201d.

\n\n

Jaki jest cel?<\/strong> <\/h4>\nSprawdzi\u0107, czy zestaw \u201enajlepszych\u201d parametr\u00f3w nadal dobrze dzia\u0142a na nowych, nieznanych danych historycznych.
\nTo pomaga oceni\u0107, czy EA naprawd\u0119 nauczy\u0142 si\u0119 czego\u015b warto\u015bciowego, czy tylko zda\u0142 \u201eegzamin In-Sample\u201d.

\n\n

Jak to pomaga?<\/strong> <\/h4>\n