In-Sample / Out-of-Sample

Trennung der Datenbasis bei der Strategieentwicklung. In-Sample-Daten werden zur Konstruktion und Optimierung genutzt, Out-of-Sample-Daten dienen als unabhängiger Plausibilitätstest, um Overfitting zu erkennen.

In-Sample-Daten dienen der Modellentwicklung, Out-of-Sample-Daten der Validierung. Nur Out-of-Sample-Resultate sagen etwas darüber aus, ob die Strategie übertragbar ist.

Wer beide Datensätze vermischt, riskiert Overfitting: Das Modell wirkt brillant in der Vergangenheit, und versagt live.