كيفية تجنب الإفراط في التحسين (Curve Fitting)

"كانت نسبة العائد السنوي 50% في الاختبار التاريخي، لكن ما إن بدأت التداول الفعلي حتى بدأت النتائج تتراجع باستمرار" — هذه هي أكثر حالات الفشل شيوعًا عند استخدام أنظمة EA، وسببها في الغالب هو Curve Fitting (الإفراط في التحسين / Overfitting).

في هذه المقالة، سنستعرض لماذا يحدث Curve Fitting، وكيف تكتشفه، وكيف تتجنبه منذ مرحلة التصميم.

ما هو Curve Fitting؟

Curve Fitting هو ظاهرة تحدث عندما يتم تحسين معلمات أو منطق نظام EA بشكل مفرط ليتناسب مع حركة سعر معينة في الماضي فقط. تحتوي البيانات التاريخية على تحركات عشوائية "حدثت بالصدفة"، والمعلمات التي تتطابق معها بشكل مثالي لن تكون قادرة على مواجهة العشوائية في المستقبل.

هذا مشابه تمامًا لمفهوم "الإفراط في التناسب مع بيانات التدريب وانهيار الأداء على بيانات الاختبار" في مجال تعلم الآلة.

لماذا يحدث Curve Fitting؟

الأسباب الرئيسية هي التالية:

كثرة المعلمات

إذا كان لديك 10 أو 20 معلمة، يمكنك من خلال تحريكها شرح تقريبًا جميع التحركات السابقة بشكل مثالي. هذا مجرد "نسخ الماضي" وليس فهمًا حقيقيًا لطبيعة السوق.

تكرار عملية التحسين

كلما أجريت التحسين مرارًا على نفس البيانات، كلما تكيّف النظام أكثر مع الخصائص المميزة لتلك البيانات. كلما كررت التجربة بعد كل فشل، قلّت احتمالية أن يعمل النظام في السوق المستقبلية.

اختيار معيار التقييم الخاطئ

إذا كان هدفك الوحيد هو "تعظيم إجمالي الأرباح"، فسيتم اختيار معلمات متطرفة تتجاهل المخاطر. الحلول التي تحقق الربح عبر عدد قليل من الصفقات الرابحة الكبيرة نادرًا ما تتكرر في المستقبل.

كيفية كشف Curve Fitting

فيما يلي علامات تدل على وجود Curve Fitting:

1. الأرقام جيدة جدًا لدرجة مريبة

PF أعلى من 3.0، نسبة فوز تتجاوز 80%، عائد سنوي يتخطى 100% — أي نظام EA يُظهر هذه الأرقام يجب أن تشك فيه فورًا. النظم التي تحافظ على هذا المستوى على المدى الطويل في التداول الفعلي نادرة جدًا.

2. عدد الصفقات قليل

حتى لو حقق النظام PF بمقدار 2.0 مع عشرات الصفقات فقط، فهذا لا يعني شيئًا من الناحية الإحصائية. لا يمكن الوثوق بالتقييم إلا إذا كان هناك 200 صفقة على الأقل، ويُفضّل 500 صفقة أو أكثر.

3. تفاوت كبير في النتائج السنوية

عند النظر إلى منحنى الأرباح السنوية، قد تجد أن سنة معينة بارزة بشكل غير عادي، أو أن خسائر كبيرة تركّزت في سنة بعينها. النظم ذات النتائج المتطرفة من سنة إلى أخرى تعتمد اعتمادًا مفرطًا على مرحلة سوق معينة.

4. تدهور النتائج في الفترة الأخيرة

إذا تراجع الأداء خلال آخر سنة أو سنتين من أصل 10 سنوات من البيانات، فقد لا يكون المنطق الأساسي متوافقًا مع ظروف السوق الحالية.

5. حساسية عالية للمعلمات

إذا أدى تغيير أفضل معلمة بمقدار ±10% إلى انهيار النتائج بشكل كبير، فهذه إشارة خطر. أنت تقف على "قمة حادة"، وأي تغيير بسيط في الظروف سيُسقطك.

كيفية التجنب منذ مرحلة التصميم

التجنب المسبق لـ Curve Fitting أكثر كفاءة من محاولة إصلاحه بعد حدوثه.

1. تقليل عدد المعلمات

اقتصر على المعلمات التي لها معنى منطقي في الاستراتيجية. "سأجعلها معلمة لأنني أستطيع تحريكها" نهج خاطئ. من الواقعي أن تقتصر على 3 إلى 5 معلمات للتحسين.

2. التحقق خارج العينة دائمًا (Out-of-Sample)

إذا كان لديك 10 سنوات من البيانات، قُم بالتحسين على السنوات السبع الأولى، ثم التحقق من النتائج على السنوات الثلاث الأخيرة. لا تعتمد إلا على المعلمات التي تُعطي نتائج مماثلة في كلا الجزأين.

3. الاختبار على أدوات وإطارات زمنية متعددة

نظام EA يربح فقط على "XAUUSD H1" قد يكون مفرطًا في التحسين لتلك الظروف. المنطق الذي يُظهر اتجاهات مستقرة على EURUSD أو USDJPY أيضًا يكون في الغالب أكثر متانة.

4. جعل المنطق "قابلًا للشرح"

من المهم أن تكون قادرًا على شرح "لماذا يعمل هذا المنطق بهذه المعلمات" من خلال آليات السوق. "لقد فاز في الاختبار التاريخي، إذًا هو جيد" لا يعني وجود سبب وجيه لعمله في المستقبل.

5. "التحسين المعتدل"

لا تزد عدد الأجيال في التحسين كثيرًا، وضع فلاترًا لـ"عدد الصفقات" و"أقصى DD" في معايير التقييم، واعتمد القيمة الوسطى من أفضل الحلول — هذه الأساليب في "تقليل التحسين" ترفع مقاومة Curve Fitting.

الشجاعة لاختيار "الأرقام العادية"

من الطبيعي أن تميل إلى اختيار أفضل الأرقام من نتائج التحسين. لكن كثيرًا من المتداولين المخضرمين يختارون عمدًا معلمات ذات أرقام عادية، وليست الأفضل.

السبب بسيط: المعلمات التي تُنتج أرقامًا عادية لا تنهار بشدة حتى لو تغير السوق نسبيًا. أما المعلمات التي تُنتج أفضل الأرقام، فهي الأفضل فقط في تلك الظروف تحديدًا.

ما نقوم به في هذا الموقع

تم تصميم GOLD_EMA_ATR_EA (XAUUSD H1) وفق المبادئ التالية:

• المعلمات المُحسَّنة ثلاث فقط (EMA قصير / EMA طويل / مضاعف ATR)
• من بيانات 10 سنوات، التحسين على السنوات السبع الأولى والتحقق على السنوات الثلاث الأخيرة
• اعتماد القيمة الوسطى من الحلول التي تقع ضمن نطاق "عائد سنوي 1-3%، أقصى DD 5-10%"
• النتيجة: PF 1.30 وعائد سنوي 1.7% — أرقام محافظة

بالضبط لأن الأرقام ليست لافتة للنظر، تم تصميمه بحيث لا ينهار حتى عند تغير ظروف السوق.

الخلاصة

Curve Fitting هو أكبر مخاطر تشغيل أنظمة EA. كلما كانت نتائج الاختبار التاريخي "أرقامًا من أحلام"، كلما كنت بحاجة إلى مزيد من الحذر.

"أرقام عادية، تشغيل طويل الأمد" — هذا هو المسار الهادئ والمؤكد للنجاح في استخدام EA.

تحميل EA المجاني

GOLD_EMA_ATR_EA متاح للتحميل المجاني كنظام EA مُصمَّم بقصد تجنب الإفراط في التحسين. يرافقه تقرير تحقق مفصّل.

تحميل EA المجاني

الوسطاء الموصى بهم

لتقريب النتائج الفعلية من نتائج الاختبار التاريخي، يعد اختيار وسيط ذي جودة تنفيذ عالية أمرًا بالغ الأهمية.

عرض قائمة الوسطاء الموصى بهم