按高原选参数｜避开单点峰值的优化方法

结论：不选成绩最高的一个点，而选不会崩塌区间的中央

把优化结果按成绩排序，直接采用最上面的一行。我们认为，这是通向曲线拟合的最短路径。

我们关注的不是最高值，而是最优值周边的成绩会不会崩塌。参数稍微偏移，成绩仍能平稳保持的区间，我们称为“高原（Plateau）”，并采用其中央附近的值。数字上会比最高成绩的那个点逊色一些，但我们的立场是：这样就够了。

为什么单点峰值很危险

峰值里混有“偶然的命中”

优化，就是在数百到数千种组合中，找出与历史数据最吻合的那一组。尝试次数越多，恰好抓到几笔大额盈利交易的组合就越容易排到前列。

如果只是把参数换成相邻的值，成绩就大幅下滑，那么这个成绩与其说是策略的优势，不如说很可能依赖于特定的几笔交易。

未来行情不会与优化期间长得一样

未来的行情，其波动率和价格波动周期都会与过去有些许偏差。这与带着略微偏移的参数去运行，是相似的情形。

周边不崩塌的参数，能够吸收一定程度的偏差；尖锐的峰值则没有这样的余地。

采用中位值的理由

如果选在高原的边缘，一侧马上就是悬崖。选在中央，无论向哪个方向偏移，仍能停留在高原之上。

我们选择的不是成绩的高低，而是距离崩塌还有多远。

确认步骤：在MT5中查看周边是否崩塌

检查清单

1. 步长不要设得过粗：步长太粗，就无法区分是高原还是孤立点。看到有希望的区间后，只对该区间周边缩小步长重新运行。
2. 选两个参数做二维显示：MT5的优化结果可以按平面展示。深色成片扩展就是高原，只有一格深色就是峰值。
3. 不要只看PF：同时对比相邻点的交易笔数和回撤（drawdown）。即便PF保持不变，如果交易笔数急剧减少，就有可能已经变成了另一种策略。
4. 选区间中央，并记录与最高值的差距：留下让出了多少成绩的记录，事后才能检验当初的判断。
5. 在未用于优化的期间做验证：高原只是同一份数据内部的结论。样本外期间是否仍保持同样的形状，需要另行确认。

使用遗传算法时需要注意。由于搜索会集中在有希望的区域，可能在周边尚未被充分试验的情况下就结束了。周边的确认，用缩小范围的完全搜索重做更为可靠。

MT5的基本操作整理在EA・MT5知识库中。

使用者自己可以做的事

对于已发布的EA，同样可以做这样的确认。只需把主要参数从初始值向前后小幅移动并做回测，看成绩是否突然崩塌即可。

例如，DONCHIAN ENGINE的回测实测值为PF1.5、631笔交易、验证期9.4年。其上位版本MEGAMAX DONCHIAN，同样在回测中为PF1.55、629笔交易。

不过，这里有一点必须坦白。这些都是所采用的那一组参数的单点结果，仅凭这些数字，无法判断其周边是否是高原。PF不算亮眼，也不能证明它就是高原。通过移动参数来确认这件事，无法用公开的数字来替代。

各EA的回测实测值可在实测排行榜中一览。

局限与注意事项

• 高原不能保证未来的收益。 即使看起来是一片宽阔的高原，也只是同一份历史数据上的稳定性。一旦行情性质改变，整片高原都可能一起下沉。
• “高原到哪里为止”的划线带有主观性。 如果事后按方便的方式决定可容忍的成绩下滑幅度，这本身也是一种曲线拟合。标准应当在优化之前就定好。
• 参数多了就无法完全确认。 二维平面最多只能观察两个参数。三个以上参数相互纠缠所导致的崩塌，有可能被漏掉。
• 交易笔数太少时，高原的形状本身就不可信。 因为几笔交易就足以改变平面的颜色。
• 我们自己也不敢说这种方法已经足够。 在模拟账户的前向测试中，有多个EA的损益处于亏损走势。即便是有意识地按高原选出的参数，也没能避开亏损的行情阶段。

总结

• 优化时不找成绩最高的单点，而是找周边不崩塌的区间
• 采用高原中央附近的值。比起成绩高低，更看重距离崩塌的距离
• 不只看PF，也要对比相邻点的交易笔数和回撤
• 遗传算法的结果，要用完全搜索重新确认周边
• 高原是历史数据上的稳定性，并不承诺未来的成绩
• 仅凭公开的单点数字，无法判断是否为高原。要自己动手移动参数来确认