カーブ・フィッティングって何?

実際のカーブ・フィッティングでは、まず測定して得られた離散系の複素伝達関数の実数部と虚数部を用いて、複数個の点をナイキスト線上にプロットする。 次に、これらの点との誤差が最小になるような、理論上のナイキスト線図を算出し、このナイキスト線図から改めて伝達関数を計算して求め、測定した伝達関数にこれをフィットする。

カーブフィッティング(過剰最適化)って何?

カーブフィッティング（過剰最適化）とは、 「過去の特定の期間の相場状況に合わせてコードやパラメータを最適化すること」 をいいます。 過去の一部分の相場しか考慮されていないので、別の期間でテストしたり、フォワード（リアルタイム）テストしたりすると通常パフォーマンスが大きく損なわれてしまいます。 デパートの洋服売り場には試着するためのフィッティングルームがあります。 買いに行った当時の身体の線（カーブ）にピッタリ合わせて裁断してもらった洋服が、今では体形に合わなくなって着られなくなってしまったなんてことは誰でも一度や二度は体験するものです。 実はシステムトレードの世界でも、これとよく似たことが日常的に起こっています。

pythonでカーブフィッティングの手法ってなに?

今回は、Pythonを用いたカーブフィッティングの手法を紹介してきました。 三角関数や指数関数、３次関数、４次関数…と様々な使い道があります。 今後も使用する機会がありそうです。 なお、本記事では１変数関数でのフィッティングを解説しましたが、多変数関数の場合（ガウス関数のフィッティング）については次の記事で紹介しております。