爱华外汇：外汇交易中怎样避免EA优化过度？有一句話說，“過度的精確就是不精確”，過度的精確往往會偏離本質和全局，以偏概全。

中國也有句古話，“過猶不及”，其實道理都懂，但是在交易中，我們卻常常犯這個錯誤，有時候為了等待精確到一分錢交易，而錯過了成交的機會，非要是漲到多少點才叫突破等等，這些都是過度的精確。在EA智能交易中，為了追求最大的收益，也是存在“優化過度”的問題。

“優化過度”的定義

過度優化是EA交易者在進行參數調整的過程中非常容易犯的錯誤。這種錯誤很大程度上是因為交易者過度追求優秀的績效表現而犯了邏輯設計方麵的錯誤。

所謂的“優化過度”，就是利用曆史資料匹配係統，針對一段曆史行情與指標、數據的關係編寫EA，為使EA看起來有良好的表現，不斷地對參數作出調整、優化，設置過濾條件。

舉個例子，在建立了一套外彙交易係統後，需要進行曆史測試。

在交易係統中，有一個參數。什麼叫參數?比如，海龜交易法則裡的突破20日的最高點開倉，這個20，就是參數。

為什麼選20而不選21,34,15或者28?

這就叫參數的選擇。

所謂的過度優化，就是一套策略，經過曆史回測之後發現，如果我們把參數變成24，係統在過去的這段走勢中，收益是最高的。所以，我們就采用24。在交易係統中，所有的參數，都選曆史表現最好的那個，這就是過度優化。

“優化過度”的缺陷

關於個過度優化，我們先看一個小故事：

某人練習射箭，可總射不準，看到其他人箭箭紅心，不禁眼紅，後來他想了一個好辦法，就是先把箭射出去，然後跑到箭射入的目標處把“箭靶”畫上，這樣看來，也是箭箭紅心。

過度優化與此類似，過度擬合與參數優化的主要缺陷在於，我們優化得到的最優參數隻是在我們選取的曆史數據樣本上成立的，但未來行情卻是無法預料的，我們可以找到曆史上表現最好的參數，但是這個參數未必在未來是最好的，更有甚者可能曆史上最好的參數在未來隨著行情波動變化可能就是一組很糟糕的參數。比如一個參數的設置剛好讓你抓住了一波大行情，在參數優化取到這樣的值時很有可能對未來冇有任何幫助。當然有些參數優化僅僅是改善了係統的平均虧損率，對整體效果冇有太大影響，這種參數優化可能對未來會有一定意義，但也不是絕對的，因為行情的發展有其不可預知的一方麵。

使EA與曆史資料數據之間完全吻合，結果可以肯定，這套EA在曆史數據測試中表現良好，會在大漲之前適時地買入，大跌之前適時地賣出，可是當下次大漲大跌之前EA還會適時地發出信號嗎?恐怕不能，因為這個EA是針對過去的狀況編寫的，它不一定適用於未來。EA設定的條件越多，結構越複雜，“優化過度”的情況就越嚴重。總之，編寫EA不能離開曆史資料，不然我們就成了盲人摸象，無從入手。

怎樣避免“優化過度”?

設計交易係統的目標是在未來實盤的行情中可以產生利潤，而不是為了追求一條漂亮的曆史測試曲線，過度優化的交易係統是一個“美麗的陷阱”。如何逃離這個陷阱呢?我們認為可以從交易規則的形成和交易係統開發兩大方麵著手。

現代數學對金融市場的數據分析表明，時間價格序列包括兩個部分：

第一部分是確定項,可以從中找出一定的規律;

第二部分是隨機項，冇有確定性的規律可言，出現某一現象隻是概率性的。

當我們從市場曆史行情中提取交易規則時，需要分析規則的邏輯性和規律性，交易規則需要能夠反映市場的規律性，具有一定的合理性。

當交易者通過各種途徑形成交易規則後，在具體的交易係統設計過程中，需要注意如下問題：

第一，增加曆史測試數據樣本容量，避免交易次數過少。

如果曆史測試數據量較少，雖然設計的係統在樣本內效果良好，但是較短時間段的測試不具有說服力，係統未來的表現很難預期。而較少的交易次數往往是由於增加過多的交易規則限製，對虧損的交易進行了強過濾，是一種典型的過度優化行為。

第二，在測試時，將測試的數據樣本分為樣本內和樣本外。

設計係統的時候采用樣本內數據，然後用樣本外數據測試得出的係統，如果效果大大降低，那麼這種係統極有可能是擬合的。

第三，核心參數不宜過多。

參數過多的係統是一個多自由度係統，在優化多個參數之後總會得出一個漂亮的係統，但這種係統的可靠性是令人懷疑的。

第四，在對交易係統的參數進行優化時，我們需要對最優參數附近的參數進行考察。

如果附近參數係統的性能遠差於最優參數的性能，那這個最優參數有可能是一個過度擬合的結果，數學上稱為奇點解，是不穩定的。如果市場的特征稍微發生變化，最優參數可能會成為最差參數。

第五，將交易係統用於其他品種，觀察其效用。

EA交易，是個技術活，但是本質上是思想的活動，追求完美是一個美麗的陷阱，而過度優化則是一種常見的誤區。我們都聽說過“按圖索驥”的故事，從描述上來說，這樣去做是完全冇有錯的，但是缺乏最基本的常識，那麼就容易犯簡單的錯誤，EA交易也需要避免這種簡單的錯誤。