Introdução à Otimização por Algoritmo Genético para EAs no MT5

Ao ajustar os parâmetros de um EA, o Strategy Tester do MT5 oferece dois modos de otimização: brute force (testa todas as combinações possíveis de parâmetros) e Algoritmo Genético (AG).

Para explorar um espaço imenso de combinações em tempo hábil, o algoritmo genético é a abordagem padrão do mercado. Neste artigo, explicamos os fundamentos da otimização por AG e os pontos mais importantes para aplicá-la na prática.

O que é um Algoritmo Genético?

O Algoritmo Genético (AG) é uma técnica de otimização inspirada na evolução biológica. O processo funciona da seguinte forma:

1. Gera-se aleatoriamente um conjunto de combinações de parâmetros (chamadas de "indivíduos")
2. Executa-se um backtest para cada indivíduo e atribui-se uma pontuação com base em métricas de avaliação (PF, fator de recuperação etc.)
3. Os melhores indivíduos são selecionados como "pais" para gerar a próxima geração por meio de cruzamento e mutação
4. Esse processo se repete, e a cada geração os parâmetros convergem para valores com melhor desempenho

Enquanto o brute force "varre tudo", o AG "foca nas regiões promissoras" — o que reduz drasticamente o tempo de processamento.

Quando usar brute force e quando usar o AG?

• Poucos parâmetros, combinações na casa dos milhares → brute force (cobertura total)
• Muitos parâmetros, combinações na casa dos milhões → Algoritmo Genético

Por exemplo: 3 parâmetros com 10 passos cada resultam em 1.000 combinações — brute force é suficiente. Mas com 5 parâmetros e 20 passos cada, chegamos a 3,2 milhões de combinações, onde o AG se torna necessário.

Configurando o Strategy Tester

Para habilitar a otimização, configure os seguintes campos na tela do Strategy Tester:

• Otimização: selecione "Algoritmo genético rápido"
• Resultado: escolha a métrica de avaliação, como "Máximo de rendimento composto", "Valor personalizado máximo" ou "Máximo fator de recuperação"
• Aba de parâmetros de entrada: marque os parâmetros que deseja otimizar e defina o valor inicial, valor final e passo

Como escolher a métrica de avaliação

A métrica escolhida define o que o algoritmo considera "melhor". Veja as principais opções:

• Máximo de rendimento (lucro): maximiza apenas o lucro. Ignora o risco, por isso é propenso a overfitting
• Fator de recuperação: lucro líquido ÷ DD máximo. Equilibra retorno e risco
• Índice de Sharpe: considera a estabilidade do retorno ao longo do tempo
• Valor personalizado máximo: definido livremente no código do EA (ex: PF × número de operações)

Usar o fator de recuperação ou o índice de Sharpe é a abordagem mais prática para encontrar parâmetros robustos, evitando overfitting.

Executando a otimização por AG

Ao iniciar a otimização, os parâmetros com maior pontuação de cada geração vão sendo listados na aba "Resultados da otimização". O AG do MT5 executa centenas de gerações automaticamente, convergindo para as melhores soluções.

Armadilhas comuns

• Convergência muito rápida: o espaço de busca dos parâmetros pode estar muito restrito
• Sem convergência: a métrica de avaliação pode ser inadequada, ou há muito ruído nos dados
• Convergência para valores claramente ruins: soluções com poucas operações não estão sendo filtradas

Incluir filtros como "excluir resultados com menos de 50 operações" na função de avaliação ajuda a eliminar soluções com amostragem insuficiente.

Como evitar overfitting (sobreajuste)

Quanto mais rodadas de otimização você executar, mais os parâmetros se aproximarão de um cenário "perfeito no passado, mas inútil no futuro". Siga estas práticas para evitar esse problema:

1. Divida o período em duas partes

Com 10 anos de dados históricos, otimize nos primeiros 7 anos e valide nos últimos 3 anos (out-of-sample). Se os resultados se deteriorarem na segunda metade, houve sobreajuste à primeira.

2. Compare os 10 a 20 melhores resultados

Adotar apenas o melhor resultado é arriscado. Verifique se os melhores resultados se concentram em uma região semelhante do espaço de parâmetros — se sim, adote um conjunto próximo ao centro dessa região.

3. Verifique a sensibilidade dos parâmetros

Varie os parâmetros candidatos em ±10 a 20% e observe se os resultados desmoronam. Se sim, essa solução está sobreajustada a um "pico afiado" no espaço de busca.

4. Mantenha parâmetros não otimizados

Reserve sempre alguns parâmetros com valores fixos e logicamente justificados pelo design da estratégia. Isso reduz o risco de overfitting. Por exemplo: otimize o período da EMA, mas mantenha o multiplicador do ATR fixo.

Aproveitando a otimização paralela

O MT5 suporta otimização paralela usando múltiplos núcleos de CPU. Aumente o número de agentes em "Tester" → "Configurações" para reduzir o tempo de processamento.

Além disso, a MQL5 Cloud Network permite usar agentes remotos ao redor do mundo para otimizações em larga escala — mas isso tem custo. O mais eficiente é primeiro restringir o intervalo de parâmetros localmente, e só depois considerar a nuvem.

Nossa abordagem de otimização nos EAs do site

No caso do GOLD_EMA_ATR_EA (XAUUSD H1), limitamos intencionalmente os parâmetros otimizados:

• Período curto da EMA
• Período longo da EMA
• Multiplicador do ATR (para stop loss)

Os demais parâmetros são mantidos em "valores naturais" fixos, por design, para prevenir overfitting. O PF de 1,30 em 10 anos de backtest poderia ser maior com mais otimização — mas isso também aumentaria o risco de os parâmetros perderem validade no mercado futuro. "Escolher números modestos e operar por mais tempo" é a solução realista para o uso em produção.

Download gratuito do EA

O GOLD_EMA_ATR_EA está disponível gratuitamente, com parâmetros pré-otimizados e um guia de otimização incluído.

Baixar EA gratuitamente

Corretoras recomendadas

Para maximizar as chances de os resultados do backtest e da otimização se replicarem na operação real, recomendamos corretoras com alta qualidade de execução de ordens.

Ver lista de corretoras recomendadas