---

避免EA過度優化的關鍵因素

1.只在回測時出現好成績的陷阱

開發EA時，有一個過度優化的大問題。所謂的過度優化是指在開發EA當中，調整指標或停利（take profit）、停損（stop loss）等參數時，過度追求獲得更好結果的數值。

換句話說，就是對於用在回測的歷史數據（historical data），去尋找數學上能達成最佳成績的數值組合，這也稱作曲線套入（curve fitting）。

在EA的開發階段會希望使用過去的歷史資料找出更好的參數，但是過度優化雖然可以讓該數據能產生佳績，但是在實時測試（forward test）（實際運用）中卻可能不會產生同樣的結果。

2.避免過度優化的方法

由於這樣的問題，因此我們必須不斷地以「不會過度優化吧？」的觀點來檢視EA。換句話說，不可單以回測的結果判斷EA是否具有優勢。在判斷EA是否過度優化時，可透過實時測試中收集數據，然後與回測比對。這是站在用戶的立場來看。

接著，從開發者的角度來看看。開發EA時，可降低技術指標的使用，以防止發生過度優化的情形。技術指標太多就會增加參數的組合，於是很容易出現過度優化的情形。

而且還有一大重點就是，在設計上必須讓技術指標的重要參數即使在一定範圍內出現變化，也不會造成結果出現落差。小幅改變參數就導致結果大不相同，這樣的邏輯自然讓人對其優勢產生疑慮。

3.推進分析（walk forward）

原本最好是能實施實時測試（forward test），但是也可以縮短所需的時間。這個方法的概念就是，將部份歷史數據當作未來的價格走勢進行模擬實施測試。

例如有10年份的歷史數據時，以10年前到1年前的數據開發EA，再把剩下的1年份數據當作模擬未來價格走勢的資料。比較開發所需的回測與實時測試的結果，若兩者未出現差異時，表示過度優化的可能性不高。

同時還能利用此推進分析（walk forward）提高開發的精準度。在如下的工程中反覆進行分析與參數的調整，就能完成無過度優化的EA開發。

避免過度優化的EA開發步驟

1	製作最近1年期間，能獲得佳績的EA（短期測試）
2	以不包含1年期間的過去10年數據調整出更好的參數（長期測試）
3	以最近1年的數據確認＆調整2的EA（短期測試）
4	以不包含3期間的過去10年的數據調整出更好的參數（長期測試）
5	之後反覆3與4

按此步驟採用短期測試與長期測試結果相等的參數。這就是避免發生過度優化的開發方法。

何謂過度優化?

所謂的過度優化是指在開發EA當中，調整指標或停利（take profit）、停損（stop loss）等參數時，過度追求獲得更好結果的數值。

如何避免過度優化?

開發EA時，可降低技術指標的使用，以防止發生過度優化的情形。技術指標太多就會增加參數的組合，於是很容易出現過度優化的情形。

而且還有一大重點就是，在設計上必須讓技術指標的重要參數即使在一定範圍內出現變化，也不會造成結果出現落差。

---