オーバーフィッティングとは？意味・読み方を美容師トレーダーが解説【FX用語集】

バックテストで勝率90%・年利200%という夢のような数字が出たとき、「完璧なEAを作った」と思った。

フォワードテストで動かしたら3ヶ月で口座の30%を失った。

それがオーバーフィッティングで、「過去のデータに最適化されすぎた」結果だった。

バックテストの数字は「過去への当てはまり具合」であって「未来への保証」ではない。

意味・読み方

読み方：おーばーふぃってぃんぐ

簡単に言うと：バックテストのパラメータを調整しすぎて、過去のデータには完璧に合うが実際の相場では機能しなくなった状態のこと。

もう少し詳しく：オーバーフィッティング（過学習 / Overfitting）とは、EAや手法のパラメータを特定の過去データに対して最適化しすぎた結果、そのデータには高い精度を示すが未来の相場や異なる相場環境では機能しなくなる現象だ。

機械学習の「過学習」と同じ概念で、「過去の答えを丸暗記した」状態とも言える。

バックテストの期間・通貨ペア・相場環境に特化したパラメータは、それ以外の条件では使い物にならない可能性がある。

表現	補足
過学習	機械学習での同義語。FXでも使われる
カーブフィッティング	Curve Fitting。過去データへの曲線の当てはめすぎ
最適化バイアス	最適化プロセスで生じる偏り

パラメータを繰り返し調整する：バックテストの成績を見ながら「このパラメータにしたらもっと良くなる」と何度も調整を繰り返すと、過去データへの当てはまりが増して未来への汎用性が下がる。

検証期間が短い：短い期間のデータだけでバックテストすると、その期間特有の相場環境に特化したパラメータになりやすい。

パラメータ数が多すぎる：調整できる変数が多いほど、過去データへの「過学習」のリスクが上がる。

ウォークフォワード最適化：データを「最適化期間」と「検証期間」に分けて、最適化した結果を別期間で検証する。

シンプルなパラメータ設計：変数の数を最小限に抑え、汎用性の高い設計にする。

フォワードテストでの確認：バックテストの後に必ずフォワードテスト（リアルタイム検証）を行い、再現性を確認する。

複数の相場環境でのテスト：トレンド相場・レンジ相場・高ボラ・低ボラなど、異なる相場環境でのパフォーマンスを確認する。

「バックテストの成績が良ければ良いほど優秀なEAだ」と信じてた。

バックテストの成績は「そのパラメータが過去のデータにどれだけ最適化されているか」の指標でもある。

勝率が高すぎるバックテスト結果は、むしろオーバーフィッティングの可能性を疑うべきだ。

現実的な期待値（勝率50〜60%、損益比1.5〜2倍など）で安定して機能するストラテジーの方が、長期的に信頼できることを後から学んだ。