MT5 EA ऑप्टिमाइज़ेशन के लिए जेनेटिक एल्गोरिदम की परिचय

जब किसी EA के पैरामीटर को ट्यून किया जाता है, तो MT5 के स्ट्रैटेजी टेस्टर में दो प्रकार के ऑप्टिमाइज़ेशन मोड उपलब्ध होते हैं: "ब्रूट-फोर्स (सभी पैरामीटर संयोजनों को एक-एक करके आज़माना)" और "जेनेटिक एल्गोरिदम (GA)"।

बड़ी संख्या में संयोजनों को व्यावहारिक समय में खोजने के लिए जेनेटिक एल्गोरिदम का उपयोग करना एक मानक तरीका है। इस लेख में हम जेनेटिक एल्गोरिदम ऑप्टिमाइज़ेशन की मूल बातें और व्यावहारिक उपयोग के प्रमुख बिंदुओं को समझेंगे।

जेनेटिक एल्गोरिदम क्या है?

जेनेटिक एल्गोरिदम (Genetic Algorithm: GA) एक ऑप्टिमाइज़ेशन तकनीक है जो जैविक विकास की प्रक्रिया की नकल करती है। यह निम्नलिखित चरणों में आगे बढ़ती है:

1. पैरामीटर के यादृच्छिक सेट (व्यक्ति) की कई प्रतियाँ बनाएं
2. प्रत्येक व्यक्ति पर बैकटेस्ट चलाएं और मूल्यांकन संकेतकों (PF, रिकवरी फैक्टर आदि) से स्कोर करें
3. शीर्ष व्यक्तियों को "माता-पिता" के रूप में चुनें और क्रॉसओवर एवं म्यूटेशन के जरिए अगली पीढ़ी बनाएं
4. इसे दोहराते रहें — जितनी अधिक पीढ़ियाँ, उतने बेहतर पैरामीटर

ब्रूट-फोर्स जहाँ "सभी संयोजनों को एक-एक करके" जाँचता है, वहीं GA "अच्छे क्षेत्रों पर ध्यान केंद्रित करके खोज" करता है, जिससे गणना का समय काफी कम हो जाता है।

ब्रूट-फोर्स और GA का उपयोग कब करें

• पैरामीटर कम हों और संयोजन कुछ हज़ार से कम हों → ब्रूट-फोर्स से पूरी तरह जाँचें
• पैरामीटर अधिक हों और संयोजन दस हज़ार से ऊपर हों → जेनेटिक एल्गोरिदम

उदाहरण के लिए, यदि 3 पैरामीटर प्रत्येक 10 चरणों में चलाए जाएं, तो 1,000 संयोजन बनते हैं — ब्रूट-फोर्स पर्याप्त है। दूसरी ओर, यदि 5 पैरामीटर प्रत्येक 20 चरणों में चलाए जाएं, तो 32 लाख संयोजन बनते हैं, जिसके लिए व्यावहारिक रूप से जेनेटिक एल्गोरिदम ज़रूरी हो जाता है।

स्ट्रैटेजी टेस्टर में सेटिंग

ऑप्टिमाइज़ेशन सक्षम करने के लिए, स्ट्रैटेजी टेस्टर स्क्रीन में निम्नलिखित सेट करें:

• ऑप्टिमाइज़ेशन: "जेनेटिक एल्गोरिदम पर आधारित तीव्र" चुनें
• परिणाम: "अधिकतम कंपाउंड", "कस्टम अधिकतम", "अधिकतम रिकवरी फैक्टर" आदि में से मूल्यांकन संकेतक चुनें
• इनपुट पैरामीटर टैब: जिस पैरामीटर को ऑप्टिमाइज़ करना हो उसे चेक करें, और शुरुआती मान, अंतिम मान और स्टेप सेट करें

मूल्यांकन संकेतक कैसे चुनें

आप किसे "अच्छा" मानते हैं, इससे परिणाम बदलते हैं। प्रमुख संकेतक और उनकी विशेषताएँ नीचे दी गई हैं:

• अधिकतम कंपाउंड (प्रॉफिट): केवल लाभ को अधिकतम करता है। जोखिम की अनदेखी होती है, इसलिए ओवर-ऑप्टिमाइज़ेशन का खतरा रहता है
• रिकवरी फैक्टर: शुद्ध लाभ ÷ अधिकतम DD। संतुलित दृष्टिकोण
• शार्प रेशियो: रिटर्न की स्थिरता को ध्यान में रखता है
• कस्टम अधिकतम: EA कोड में स्वतंत्र रूप से परिभाषित किया जा सकता है (उदा: PF × ट्रेडों की संख्या)

ओवर-ऑप्टिमाइज़ेशन से बचते हुए व्यावहारिक पैरामीटर खोजने का सबसे अच्छा तरीका रिकवरी फैक्टर या शार्प रेशियो का उपयोग करना है।

जेनेटिक एल्गोरिदम ऑप्टिमाइज़ेशन चलाना

ऑप्टिमाइज़ेशन शुरू होने पर, प्रत्येक पीढ़ी में उच्च मूल्यांकन वाले पैरामीटर "ऑप्टिमाइज़ेशन परिणाम" टैब में दिखाई देते हैं। MT5 का जेनेटिक एल्गोरिदम स्वतः सैकड़ों पीढ़ियाँ चलाता है और शीर्ष समाधानों तक पहुँचता है।

आम गलतियाँ

• बहुत जल्दी अभिसरण: पैरामीटर की खोज सीमा बहुत संकरी हो सकती है
• अभिसरण होता ही नहीं: मूल्यांकन संकेतक अनुचित हो सकता है, या बहुत अधिक शोर हो सकता है
• स्पष्ट रूप से अजीब मान पर अभिसरण: कम ट्रेड संख्या वाले समाधानों को बाहर नहीं किया गया

"50 से कम ट्रेड वाले परिणामों को बाहर रखें" जैसे फ़िल्टर को मूल्यांकन फ़ंक्शन में शामिल करके, कम नमूने वाले शोर-समाधानों को हटाया जा सकता है।

ओवर-ऑप्टिमाइज़ेशन से कैसे बचें

जितना अधिक ऑप्टिमाइज़ेशन होता है, उतना अधिक पैरामीटर "भूतकाल में परफेक्ट लेकिन भविष्य में काम न करने वाले" बनते जाते हैं। इससे बचने के व्यावहारिक नियम निम्नलिखित हैं:

1. डेटा की अवधि विभाजित करें

यदि पिछले 10 वर्षों का डेटा है, तो पहले 7 वर्षों से ऑप्टिमाइज़ करें और बाद के 3 वर्षों से आउट-ऑफ-सैंपल वेरिफिकेशन करें। यदि बाद की अवधि में परिणाम टूट जाते हैं, तो यह संकेत है कि पहली अवधि में ओवर-फिटिंग हुई थी।

2. शीर्ष 10-20 परिणामों की तुलना करें

केवल सर्वोच्च स्कोर वाला एक परिणाम अपनाना खतरनाक है। यह जाँचें कि शीर्ष समाधान एक जैसे क्षेत्र में इकट्ठे हैं या नहीं — यदि हाँ, तो उस केंद्रीय क्षेत्र के पास वाले पैरामीटर अपनाएं।

3. पैरामीटर संवेदनशीलता जाँचें

चुने गए उम्मीदवार पैरामीटर को ±10-20% बदलकर देखें कि परिणाम बहुत बुरी तरह नहीं टूटते। यदि टूटते हैं, तो वह समाधान एक "नुकीले इष्टतम बिंदु" पर ओवर-फिट है।

4. कुछ पैरामीटर ऑप्टिमाइज़ न करें

"ऑप्टिमाइज़ न किए गए, तर्कसंगत रूप से स्वाभाविक निश्चित मान" हमेशा बनाए रखें — इससे ओवर-ऑप्टिमाइज़ेशन का जोखिम कम होता है। उदाहरण के लिए, EMA अवधि को ऑप्टिमाइज़ करें लेकिन ATR गुणक को निश्चित रखें।

समानांतर ऑप्टिमाइज़ेशन का उपयोग

MT5 कई CPU कोर का उपयोग करके समानांतर ऑप्टिमाइज़ेशन का समर्थन करता है। "टेस्टर" → "सेटिंग्स" में उपयोग किए जाने वाले एजेंटों की संख्या बढ़ाकर गणना का समय कम किया जा सकता है।

इसके अलावा, MQL5 क्लाउड नेटवर्क का उपयोग करके दुनिया भर के रिमोट एजेंट से बड़े पैमाने पर ऑप्टिमाइज़ेशन चलाया जा सकता है — लेकिन इसमें शुल्क लगता है, इसलिए पहले स्थानीय स्तर पर पैरामीटर सीमा को संकुचित करना अधिक कुशल है।

इस साइट के EA में ऑप्टिमाइज़ेशन की नीति

GOLD_EMA_ATR_EA (XAUUSD H1) के मामले में, ऑप्टिमाइज़ेशन के लक्ष्य जानबूझकर सीमित रखे गए हैं:

• EMA अल्पकालिक अवधि
• EMA दीर्घकालिक अवधि
• ATR गुणक (SL के लिए)

अन्य पैरामीटर "स्वाभाविक मानों" पर निश्चित रखे गए हैं, जो ओवर-ऑप्टिमाइज़ेशन को रोकने की रणनीति है। 10 वर्षों के बैकटेस्ट में PF 1.30 का मान — यदि अधिक ऑप्टिमाइज़ किया जाए तो यह और बढ़ सकता है, लेकिन भविष्य के बाज़ार में काम न करने की संभावना भी बढ़ेगी। "साधारण संख्या चुनकर लंबे समय तक चलाना" व्यावहारिक संचालन का असली समाधान है।

मुफ़्त EA डाउनलोड करें

GOLD_EMA_ATR_EA को ऑप्टिमाइज़ किए गए पैरामीटर और ऑप्टिमाइज़ेशन गाइड के साथ मुफ़्त में वितरित किया जा रहा है।

मुफ़्त EA डाउनलोड करें

अनुशंसित ब्रोकर

बैकटेस्ट और ऑप्टिमाइज़ेशन के परिणाम वास्तविक ट्रेडिंग में पुनः निर्मित हो सकें, इसके लिए यह साइट ऑर्डर एग्ज़ीक्यूशन गुणवत्ता को प्राथमिकता देने वाले ब्रोकरों की सिफारिश करती है।

अनुशंसित ब्रोकरों की सूची देखें