1.只在回测时出现好成绩的陷阱
开发EA时，有一个过度优化的大问题。所谓的过度优化是指在开发EA当中，调整指标或停利（take profit）、停损（stop loss）等参数时，过度追求获得更好结果的数值。
换句话说，就是对于用在回测的历史数据（historical data），去寻找数学上能达成最佳成绩的数值组合，这也称作曲线套入（curve fitting）。
在EA的开发阶段会希望使用过去的历史资料找出更好的参数，但是过度优化虽然可以让该数据能产生佳绩，但是在实时测试（forward test）（实际运用）中却可能不会产生同样的结果。
2.避免过度优化的方法
由于这样的问题，因此我们必须不断地以「不会过度优化吧？」的观点来检视EA。换句话说，不可单以回测的结果判断EA是否具有优势。在判断EA是否过度优化时，可透过实时测试中收集数据，然后与回测比对。这是站在用户的立场来看。
接着，从开发者的角度来看看。开发EA时，可降低技术指标的使用，以防止发生过度优化的情形。技术指标太多就会增加参数的组合，于是很容易出现过度优化的情形。
而且还有一大重点就是，在设计上必须让技术指标的重要参数即使在一定范围内出现变化，也不会造成结果出现落差。小幅改变参数就导致结果大不相同，这样的逻辑自然让人对其优势产生疑虑。
3.推进分析（walk forward）
原本最好是能实施实时测试（forward test），但是也可以缩短所需的时间。这个方法的概念就是，将部份历史数据当作未来的价格走势进行模拟实施测试。
例如有10年份的历史数据时，以10年前到1年前的数据开发EA，再把剩下的1年份数据当作模拟未来价格走势的资料。比较开发所需的回测与实时测试的结果，若两者未出现差异时，表示过度优化的可能性不高。
同时还能利用此推进分析（walk forward）提高开发的精准度。在如下的工程中反覆进行分析与参数的调整，就能完成无过度优化的EA开发。
避免过度优化的EA开发步骤
| 1 | 制作最近1年期间，能获得佳绩的EA（短期测试） | | 2 | 以不包含1年期间的过去10年数据调整出更好的参数（长期测试） | | 3 | 以最近1年的数据确认＆调整2的EA（短期测试） | | 4 | 以不包含3期间的过去10年的数据调整出更好的参数（长期测试） | | 5 | 之后反覆3与4 |
按此步骤采用短期测试与长期测试结果相等的参数。这就是避免发生过度优化的开发方法。
问：何谓过度优化?
答：所谓的过度优化是指在开发EA当中，调整指标或停利（take profit）、停损（stop loss）等参数时，过度追求获得更好结果的数值。
问：如何避免过度优化?
答：开发EA时，可降低技术指标的使用，以防止发生过度优化的情形。技术指标太多就会增加参数的组合，于是很容易出现过度优化的情形。
而且还有一大重点就是，在设计上必须让技术指标的重要参数即使在一定范围内出现变化，也不会造成结果出现落差。
游客，本帖隐藏的内容需要积分高于 10000000 才可浏览，您当前积分为 0
| 
/10 
