تحليل Walk-Forward لتجنب Curve Fitting - الخطوات الصحيحة لتحسين EA

عند تحسين المعاملات (Parameters) باستخدام Strategy Tester في MT5، ستجد أفضل المعاملات أداءً على البيانات التاريخية. لكن هذه "المعاملات المثلى" قد تكون مفرطة التخصيص للبيانات الماضية (Curve Fitting). تحليل Walk-Forward هو الأسلوب المستخدم للوقاية من هذا التحسين المفرط.

ما هو Curve Fitting (التحسين المفرط)؟

مشكلة تحسين الباك تست:
أفضل معاملات لبيانات 10 سنوات → لن تنجح في المستقبل

مثال: عند تحسين فترة EMA في النطاق من 10 إلى 50

القيمة المحسّنة (EMA=21) تُحقق أعلى أداء في الباك تست، لكنها غالباً تخذل التوقعات في المستقبل. هذا هو Curve Fitting.

آلية عمل تحليل Walk-Forward

يقوم تحليل Walk-Forward بتقسيم البيانات إلى "فترة التحسين (In-Sample)" و"فترة التحقق (Out-of-Sample)"، ثم يكررها بالتسلسل الزمني للكشف عن التحسين المفرط.

[مثال على تقسيم البيانات (10 سنوات)]

├── فترة التحسين ──┤── فترة التحقق ──┤
2015~2018           2019     → استخراج المعامل A والتحقق منه في 2019
     ↓
2016~2019           2020     → استخراج المعامل B والتحقق منه في 2020
     ↓
2017~2020           2021     → استخراج المعامل C والتحقق منه في 2021
     ↓
(يتكرر الأمر)

من خلال تجميع نتائج كل فترة تحقق، يمكن تقييم ما إذا كانت معاملات EA هذه مستقرة عند تغير ظروف السوق.

كيفية تنفيذ تحليل Walk-Forward على MT5

لا يدعم Strategy Tester في MT5 حالياً تحليل Walk-Forward بشكل مباشر. يمكن التحايل على ذلك بالطرق التالية.

الطريقة الأولى: تقسيم In-Sample / Out-of-Sample يدوياً

الخطوات:

1. اضبط فترة الباك تست من 2015 إلى 2020 وقم بالتحسين
2. اختر من 3 إلى 5 معاملات من أفضل نتائج التحسين
3. شغّل الباك تست للمعاملات المختارة خلال فترة 2021~2025 (Out-of-Sample)
4. قارن PF فترة التحسين مع فترة Out-of-Sample

معيار التقييم (Walk-Forward Efficiency):
WFE = Out-of-Sample PF ÷ In-Sample PF × 100%

WFE 60% فأكثر → ناجح (لا يوجد تحسين مفرط)
WFE 40~60% → يستحق المراقبة
WFE أقل من 40% → يُشتبه بـ Curve Fitting (ممنوع الاستخدام)

الطريقة الثانية: استخدام أدوات خارجية

• Strategy Quant X: يتيح أتمتة تحليل Walk-Forward
• Walk-Forward Optimization في MT5 (تجريبي): متوفر في بعض الإصدارات

تنبيهات عند إجراء التحسين

تنبيه أول: اقتصر على 1 أو 2 متغير للتحسين

كلما زاد عدد المعاملات التي تحسّنها في وقت واحد، زاد خطر Curve Fitting.

✅ مثال جيد: تحسين فترة EMA فقط (10~50، بخطوة 5)
❌ مثال سيئ: تحسين فترة EMA × مضاعف ATR × فترة RSI في آنٍ واحد

زيادة متغيرات التحسين لا تفعل سوى رفع احتمالية إيجاد أفضل تركيبة بالصدفة بسبب "الانفجار التوافقي".

تنبيه ثانٍ: لا تستخدم الترتيب الأول في نتائج التحسين

المعاملات التي حققت أعلى PF في قائمة نتائج التحسين هي الأكثر احتمالاً للإصابة بـ Curve Fitting.

بدلاً من ذلك، استخدم الأسلوب التالي:

الأسلوب الموصى به:
1. استخراج أفضل 20% من المعاملات
2. البحث عن مجموعات متقاربة من المعاملات (Clusters)
3. اختيار المعاملات القريبة من الوسيط داخل المجموعة

مثال: إذا ظهرت نتائج تحسين فترة EMA مرتبةً تنازلياً حسب PF كالتالي: 21، 23، 19، 35، 22، 20...، فتوجد مجموعة بين 20 و23. اختر الوسيط داخل هذه المجموعة (21~22).

تنبيه ثالث: اجعل فترة التحسين طويلة

الإعدادات الموصى بها:
- فترة التحسين (In-Sample): 5 إلى 7 سنوات
- فترة التحقق (Out-of-Sample): 2 إلى 3 سنوات
- النسبة (In-Sample : Out-of-Sample): 70:30 إلى 80:20

كلما قصرت فترة التحسين، ارتفع خطر التحسين المفرط.

قراءة نتائج تحليل Walk-Forward

مميزات EA الجيد

• WFE (Walk-Forward Efficiency) بنسبة 60% فأكثر
• Out-of-Sample PF يتراوح بين 50% و90% من In-Sample PF
• PF إيجابي في كل فترة تحقق (في جميع الفترات)

مميزات EA يستحق الحذر

• WFE أقل من 40%
• أداء جيد فقط في فترة تحقق محددة (سلبي في فترات أخرى)
• In-Sample PF أعلى من 3.0 (نمط كلاسيكي للتحسين المفرط)

نصائح لتصميم معاملات مقاومة للتحسين المفرط

نصيحة أولى: تحقق من حساسية المعاملات

تأكد من استقرار PF عند المعاملات المحيطة بالقيمة المثلى (±10 إلى 20%).

إذا كانت EMA=21 هي القيمة المثلى:
EMA=18: PF 1.25
EMA=19: PF 1.31
EMA=20: PF 1.34
EMA=21: PF 1.38  ← القيمة المثلى
EMA=22: PF 1.33
EMA=23: PF 1.29
EMA=24: PF 1.24

→ استقرار PF الإيجابي في المعاملات المجاورة = استراتيجية متينة

إذا تغيّر PF بشكل حاد في القيم المجاورة، فقد يكون ذلك دليلاً على التحسين المفرط.

نصيحة ثانية: استخدم منطقاً بسيطاً يصعب overfitting

كلما قلّت المعاملات وبسُط المنطق في EA، قلّ احتمال Curve Fitting. استخدم عناصر بسيطة مثل تقاطع EMA، وإعداد SL/TP بناءً على ATR.

خلاصة

ملخص تحليل Walk-Forward:

1. In-Sample (تحسين) : Out-of-Sample (تحقق) = 70:30 تقسيم
2. WFE (Walk-Forward Efficiency) = Out-of-Sample PF ÷ In-Sample PF × 100%
3. WFE 60% فأكثر هو خط النجاح
4. اقتصر على 1 أو 2 متغير للتحسين
5. اختر وسيط المجموعة بدلاً من القيمة المثلى

بإجراء تحليل Walk-Forward، يمكنك تحديد EA يعمل باستقرار في الاختبار الأمامي أيضاً. كلما كان أداء الباك تست لـ EA جيداً جداً، كلما كان هذا التحقق أكثر أهمية.

الأسئلة الشائعة

س: هل يمكن إجراء تحليل Walk-Forward باستخدام ميزات MT5 الأصلية؟

لا يدعم Strategy Tester في MT5 تحليل Walk-Forward بشكل أساسي، غير أنه قد تمت إضافته كميزة تجريبية في أحدث الإصدارات. الطريقة الأكثر موثوقية هي تقسيم الفترات يدوياً وإجراء الباك تست عدة مرات.

س: هل يمكن استخدام EA عندما يكون WFE 50%؟

WFE عند 50% هو الحد الفاصل. إذا كان Out-of-Sample PF أعلى من 1.2، يمكن التشغيل الفعلي، لكن يُوصى بالحكم بعد تراكم نتائج فعلية لمدة 6 أشهر أو أكثر في الاختبار الأمامي.

س: هل من الخطر استخدام EA دون تحليل Walk-Forward؟

لا يمكن وصفه بالخطر الصريح، لكن خطر Curve Fitting يرتفع. على الأقل، نفّذ أسلوب "الاحتفاظ بجزء من فترة التحسين كـ Out-of-Sample".

صفحات ذات صلة

• خطوات تنفيذ التحقق Walk-Forward
• كيفية كشف Curve Fitting والتكيّف الزائد
• GOLD EMA ATR EA — موثق بـ OOS (PF 1.61)
• قائمة EA وتصنيف استقرار OOS