Como se diferencia "optimization" de "curve fitting"?
Optimização é, por exemplo, ir aumentando os períodos das médias móveis e notar aumento da performance até um certo ponto e depois ver o decréscimo de resultados a partir daí. Dessa análise (consistente) escolhe-se a melhor.
Curve fitting é a média móvel de 10, 11, 12 darem resultados semelhantes, a mm13 dar resultados razoavelmente melhores e a mm14, 15 e 16 dar semelhante à 10, 11,12. Escolher a 13 é curve fitting. Não há razão aparente para ter dado resultados melhores.
No teu exemplo, também não haveria nenhum motivo para não escolher o 13. Eu escolheria o 13 porque até está no meio do planalto (10-16) e porque, mesmo sem razão aparente, não está excluído que exista algum motivo ( e tb não sou supersticioso).
Mas acho que percebi o que querias dizer, obrigado.
Lembro-me sempre do exemplo clássico de um cientista que conseguiu um fórmula muito complexa que permitia calcular o número de manchas solares no final de cada ciclo solar. Aquilo batia certo com os dados históricos dos últimos séculos. Escusado será dizer que falhou todos os seguintes.
Por isso, penso que se devem manter as coisas simples. Por exemplo, se queremos momentum escolha-se um determinado tempo, os últimos x meses (por exemplo 10 meses). Agora imagina que melhor que últimos X meses, é período entre X meses e Y meses (por exemplo, desde há 10 meses até há 1 mês). Isso é (um pouco) mais complexo. Se a diferença histórica for pequena provavelmente não interessa. Mas, que diferença vou aceitar? Qual o cuttoff?
Penso que. quando se usam múltiplas variáveis, a complexidade aumenta exponencialmente e se torna difícil decidir o que é relevante. Por exemplo, se queremos empresas Value, com bom momentum, com pouco endividamento, a cada variável que introduzimos estámos a reduzir a amostra. Qualquer backtest terá uma amostra menor. E ainda, podes ter interrelações entre variáveis. As small caps podem ser melhores, mas sofrerem mais em tempos de grande volatilidade ou numa determinada fase do ciclo económico. Penso que isto já exige matemática bem mais avançada. Pena não ter tempo para estudar isso.
Por outro lado, com variáveis únicas populares o êxito será mais difícil. Se existirem muitos a seguir uma estratégia (por exemplo, aceleração do crescimento das vendas), provavelmente as empresas no topo dessa estratégia ficarão mais dispendiosas. Se calhar o primeiro quintil deixará de ser melhor do que o segundo (mas o segundo continuará melhor do que os restantes).
Curiosamente, quando uma anomalia nova é descoberta, à medida que se torna popular o sua rentabilidade aumenta. Nessa fase inicial o ganho tenderá a ser superior ao histórico. É uma janela de oportunidade (o que talvez explique porque muitas anomalias são divulgadas).
