การวิเคราะห์วอล์กฟอร์เวิร์ดและการจับสัญญาณการ Overfit
อัปเดตล่าสุด: 2026-05-20 | เวลาอ่าน: ประมาณ 20 นาที
EA ที่ทำผลได้ดีใน Backtest แต่กลับล้มเหลวในตลาดจริง — สาเหตุหลักที่สุดคือการ Overfit (Curve Fitting) การวิเคราะห์วอล์กฟอร์เวิร์ดคือวิธีการตรวจสอบที่น่าเชื่อถือที่สุดในการแยกแยะว่า EA "ถูก Fit กับอดีตเท่านั้น" หรือ "มีความได้เปรียบที่แท้จริง"
สารบัญ
การวิเคราะห์วอล์กฟอร์เวิร์ดคืออะไร
การวิเคราะห์วอล์กฟอร์เวิร์ด (Walk-Forward Analysis, WFA) คือการแบ่งข้อมูลอดีตออกเป็น "ช่วงที่ใช้ Optimize (In-Sample / IS)" และ "ช่วงที่ใช้ทดสอบเท่านั้น (Out-of-Sample / OOS)" แล้วเลื่อนกรอบเวลาไปตามลำดับเวลาซ้ำๆ
ตัวอย่างเช่น Optimize พารามิเตอร์จากข้อมูลปี 2015–2017 แล้วทดสอบด้วยค่าเดิมในปี 2018 จากนั้น Optimize จากปี 2016–2018 แล้วทดสอบในปี 2019 — เลื่อนกรอบไปเรื่อยๆ เช่นนี้ เนื่องจากช่วง OOS คือ "ข้อมูลอนาคตที่ EA ยังไม่เคยเห็น" จึงให้ผลลัพธ์ที่ใกล้เคียงการใช้งานจริงมากที่สุด
ความต่างจาก Backtest ทั่วไป
| หัวข้อ | Backtest ทั่วไป | การวิเคราะห์วอล์กฟอร์เวิร์ด |
|---|---|---|
| ข้อมูลที่ใช้ประเมิน | ช่วงเดียวกับที่ใช้ Optimize | ช่วงอนาคตที่ไม่ได้ใช้ใน Optimize |
| การตรวจจับ Overfit | ทำไม่ได้ (มักถูกซ่อนไว้) | ทำได้ (ผลจะพังใน OOS) |
| ความน่าเชื่อถือของผล | ต่ำ (เป็นการ Fit กับอดีต) | สูง (ใกล้เคียงการใช้งานจริง) |
| ปริมาณข้อมูลที่ต้องการ | หลายปี | ควรมี 10 ปีขึ้นไป |
| ความยุ่งยาก | น้อย (รันครั้งเดียว) | มาก (ทำซ้ำตามจำนวนกรอบ) |
| สิ่งที่รู้ได้ | กำไรได้ในอดีตหรือไม่ | น่าจะใช้ได้ในอนาคตหรือไม่ |
สัญญาณบ่งชี้การ Overfit
EA ที่มีลักษณะต่อไปนี้ควรสงสัยว่าอาจผ่าน Curve Fitting มา
มีพารามิเตอร์มากเกินไป (6 ตัวขึ้นไป)
ยิ่งมีพารามิเตอร์ที่ปรับได้มาก ยิ่งมีอิสระในการ "Fit" กับข้อมูลอดีตมากขึ้น กลยุทธ์ที่มีความได้เปรียบจริงมักใช้พารามิเตอร์น้อย — ควรไม่เกิน 5 ตัว
Profit Factor สูงผิดปกติ (PF เกิน 3.0)
หาก PF เกิน 3.0 ใน Backtest 5 ปีขึ้นไป แทบจะแน่ใจได้ว่าเป็น Curve Fit ความได้เปรียบที่มีอยู่จริงมักให้ PF อยู่ที่ราว 1.1–1.5 เท่านั้น
เส้นทรัพย์สินราบเรียบผิดธรรมชาติ
กราฟที่วิ่งขึ้นแบบเส้นตรงแทบไม่มี Drawdown คือผลของการ Fit กับข้อมูลอดีต กลยุทธ์จริงต้องมีช่วงขาดทุนติดต่อกันและการฟื้นตัวเสมอ
เทรดเฉพาะช่วงเวลาหรือวันที่กำหนดเท่านั้น
เงื่อนไขที่แคบมากอย่างเช่น "เข้าเทรดเฉพาะวันอังคาร 13:00" มักเป็นการจับโชคจากอดีต ซึ่งไม่น่าจะซ้ำในอนาคต
ผลเปลี่ยนแปลงอย่างรวดเร็วเมื่อปรับพารามิเตอร์เล็กน้อย
หากเปลี่ยนค่าพารามิเตอร์แค่หนึ่งระดับแล้วผลกำไรพังทลาย แสดงว่า "ยอดเขา" นั้นคือ Noise ไม่ใช่ความได้เปรียบจริง กลยุทธ์ที่ดีจะให้กำไรอย่างสม่ำเสมอแม้ใช้ค่าใกล้เคียง
เกณฑ์การอ่านค่า Walk-Forward Efficiency (WFE)
Walk-Forward Efficiency (WFE) คือผลกำไรในช่วง OOS หารด้วยผลกำไรในช่วง IS แสดงให้เห็นว่า EA รักษาความสามารถในช่วงที่ไม่รู้จักได้ดีเพียงใดเมื่อเทียบกับช่วงที่ Optimize แล้ว
| WFE | การตัดสิน | การดำเนินการ |
|---|---|---|
| 50% ขึ้นไป | ✅ ดี | เป็นผู้สมัครสำหรับใช้งานจริง ดำเนินการ Forward Test ต่อ |
| 30–50% | ⚠️ ยอมรับได้ | นำมาใช้อย่างระมัดระวัง ควรลด % ความเสี่ยงลง |
| 0–30% | ❌ สงสัยว่า Overfit | ลดความซับซ้อนของพารามิเตอร์แล้วทดสอบใหม่ |
| ติดลบ | 🚨 ปฏิเสธ | ขาดทุนใน OOS — ต้องทบทวนกลยุทธ์ทั้งหมด |
ขั้นตอนการวิเคราะห์วอล์กฟอร์เวิร์ด
แบ่งช่วงข้อมูล
เตรียมข้อมูลราคาอย่างน้อย 10 ปี แล้วแบ่งในอัตราส่วน IS:OOS = 3:1 ถึง 4:1 ตัวอย่าง: IS 3 ปี → OOS 1 ปี จากนั้นเลื่อนกรอบทีละ 1 ปีเพื่อสร้างหลายกรอบเวลา
Optimize เฉพาะในช่วง IS
ใช้ฟังก์ชัน Optimize ของ MT5 เพื่อค้นหาพารามิเตอร์ในช่วง IS เท่านั้น ห้ามรวมช่วง OOS ใน Optimize โดยเด็ดขาด นี่คือกฎเหล็ก
ทดสอบในช่วง OOS ด้วยค่าที่ได้จาก IS
นำพารามิเตอร์ที่ดีที่สุดจากช่วง IS มาใช้แบบคงที่ แล้วทดสอบในช่วง OOS เพียงครั้งเดียว หากผลพังในขั้นนี้ แสดงว่า Overfit
เลื่อนกรอบและทำซ้ำ
เลื่อนช่วงไป 1 ปี แล้วทำซ้ำขั้นตอนที่ 2–3 อย่างน้อย 5 รอบ การรวบรวมผล OOS หลายชุดช่วยเพิ่มความน่าเชื่อถือ
รวมผลช่วง OOS ทั้งหมดเพื่อประเมิน
รวมกำไร/ขาดทุนจากทุกช่วง OOS แล้วประเมินด้วย WFE และผลรวมสะสม หากผลเป็นบวกอย่างสม่ำเสมอในหลายกรอบ ถือว่า EA มีความได้เปรียบที่แท้จริง
📡 ขั้นต่อไปคือการทดสอบ Forward Test ในสภาพแวดล้อมจริง
หลังยืนยันความแข็งแกร่งของข้อมูลอดีตด้วยการวิเคราะห์วอล์กฟอร์เวิร์ดแล้ว ขั้นต่อไปคือ Forward Test ในตลาดจริง เว็บไซต์นี้เผยแพร่ผลการทดสอบ Forward Test ของทุก EA ที่แจกจ่าย
Forward Test คืออะไร →