การ optimise EA คือกระบวนการค้นหาค่าพารามิเตอร์ที่ปรับปรุงประสิทธิภาพในอดีตของกลยุทธ์ ถ้าทำถูกต้อง จะช่วยปรับปรุงความได้เปรียบที่แท้จริง ถ้าทำผิด จะสร้างพารามิเตอร์ที่ดูดีเยี่ยมกับข้อมูลในอดีตแต่ล้มเหลวทันทีในการเทรดจริง ความแตกต่างคือวินัยของการวิเคราะห์ walk-forward
ปัญหาหลักของการ optimise
การ optimise คือการค้นหาในพื้นที่พารามิเตอร์เพื่อหาการรวมกันที่ทำให้ตัวชี้วัดที่เลือก (ผลตอบแทนรวม Sharpe ratio profit factor) บนชุดข้อมูลในอดีตสูงสุด ปัญหา: ด้วยการรวมพารามิเตอร์เพียงพอ คุณสามารถหาการตั้งค่าที่ดูโดดเด่นในข้อมูลในอดีตใดๆ ได้เสมอ — รวมถึงสัญญาณรบกวนสุ่ม
นี่คือ การฟิตเส้นโค้ง (เรียกอีกชื่อว่า overfitting) EA ที่ฟิตเส้นโค้งได้จดจำการเคลื่อนไหวราคาเฉพาะของช่วงแบ็คเทสต์แทนที่จะค้นพบความได้เปรียบจริง มันจะทำผลงานต่ำกว่ามาตรฐานหรือล้มเหลวในการทดสอบล่วงหน้า
วิธีแก้ปัญหาด้วย walk-forward
ยาแก้การฟิตเส้นโค้งคือการทดสอบนอกตัวอย่าง สำรองส่วนหนึ่งของข้อมูลในอดีต — ทั่วไปคือ 20-30% ล่าสุด — เป็น “ชุดการตรวจสอบ” ที่คุณไม่เคยรวมในการ optimise จากนั้น:
- Optimise พารามิเตอร์บนข้อมูลในตัวอย่างที่เก่ากว่า (เช่น 2020-2024)
- ทดสอบพารามิเตอร์ที่ดีที่สุดบนข้อมูลนอกตัวอย่าง (เช่น 2025 เท่านั้น) โดยไม่มีการปรับเพิ่มเติม
- ถ้าประสิทธิภาพยังคงอยู่ในช่วงนอกตัวอย่าง พารามิเตอร์มีคุณค่าการทำนายที่แท้จริง
Strategy Tester ของ MT5 มีโหมด “Walk Forward Optimisation” ในตัวที่ทำให้กระบวนการนี้เป็นอัตโนมัติในช่วงแบบกลิ้ง
การทดสอบความเสถียร — ทางลัดปฏิบัติ
ถ้าการ optimise แบบ walk-forward ดูซับซ้อน สัญญาณที่ง่ายกว่าของการ optimise มากเกินไปคือ ความไวของพารามิเตอร์ หลังจากหาพารามิเตอร์ที่ดีที่สุด ทดสอบตัวแปร: ถ้า ATR multiplier ค่าดีฟอลต์คือ 2.0 ให้ทดสอบ 1.8 และ 2.2 ด้วย
- พารามิเตอร์ที่เสถียร: ประสิทธิภาพที่ 1.8 และ 2.2 คล้ายกับ 2.0 ผลลัพธ์ไม่ไวต่อพารามิเตอร์นี้มาก — ความได้เปรียบเป็นของจริง
- พารามิเตอร์ที่ฟิตเส้นโค้ง: ประสิทธิภาพลดลงอย่างรวดเร็วที่ 1.9 หรือ 2.1 ค่า 2.0 ถูก optimise โดยเฉพาะกับข้อมูลในอดีต การเปลี่ยนแปลงเล็กน้อยทำให้ผลลัพธ์พัง
เลือกพารามิเตอร์ที่อยู่ในย่านประสิทธิภาพแบนราบเสมอ แม้ประสิทธิภาพสูงสุดสัมบูรณ์จะต่ำกว่า optimum ที่ไวกว่าเล็กน้อย
สิ่งที่ควร optimise (และไม่ควร)
Optimise:
- ค่าคูณ stop-loss (stop อิง ATR มีช่วงพารามิเตอร์ตามธรรมชาติ)
- เกณฑ์ตัวกรองเทรนด์ (ระดับ ADX ช่วง EMA)
- ตัวกรองช่วงเวลา (หน้าต่างเวลาเข้าสู่ตลาดตามเวลาของวัน)
ไม่ควร optimise:
- เปอร์เซ็นต์ความเสี่ยงต่อการเทรด — นี่คือการตัดสินใจด้านการกำหนดขนาดสถานะ ไม่ใช่พารามิเตอร์ความได้เปรียบ
- เป้าหมายออกที่ตั้งค่าเพื่อเพิ่มกำไรแบ็คเทสต์สูงสุด — ตลาดในอนาคตไม่ใช่ตลาดในอดีต
เมื่อใดที่ควรหยุด optimise
กฎการหยุดปฏิบัติ: เมื่อ Sharpe ratio ในช่วงนอกตัวอย่างเกิน 1.5 และประสิทธิภาพ walk-forward (กำไรนอกตัวอย่าง / กำไรในตัวอย่าง) สูงกว่า 0.5 ให้หยุด optimise การปรับแต่งต่อไปที่จุดนี้คือการเพิ่มความเสี่ยงการฟิตเส้นโค้งโดยไม่ได้ปรับปรุงความได้เปรียบตามสัดส่วน
การตรวจสอบขั้นสุดท้ายก่อนเริ่มใช้งานจริง: รัน EA ที่ optimise แล้วบนบัญชีเดโมหนึ่งเดือนและเปรียบเทียบผลการเทรดรายครั้งกับแบ็คเทสต์ ถ้าประสิทธิภาพเดโมอยู่ภายใน 20% ของ Sharpe แบ็คเทสต์ พารามิเตอร์ใช้งานได้ ถ้าเดโมทำผลงานต่ำกว่ามาตรฐานอย่างมาก ให้ตรวจสอบสมมติฐานโมเดลการส่งคำสั่ง (สเปรด slippage) ในการตั้งค่าแบ็คเทสต์อีกครั้ง