首頁 > 部落格 > MT5 EA最佳化入門:遺傳演算法實戰解說

MT5EA

MT5 EA最佳化入門:遺傳演算法實戰解說

發布日: 2026-10-02閱讀時間:約 5 分鐘
⏱ 本文為發布之日的資訊。EA的績效數值(PF、DD、年化)會隨實盤運行與重新驗證而變動,最新數值請在各EA頁面確認。 查看最新EA績效 →
目錄 (10)
  1. 最佳化流程(全貌)
  2. 什麼是遺傳演算法
  3. 窮舉法與遺傳演算法的使用場景
  4. 策略測試器的設定方式
  5. 執行遺傳演算法最佳化
  6. 避免過度最佳化
  7. 善用並行最佳化
  8. 縮小最佳化對象的範圍
  9. 免費 EA 下載
  10. 推薦券商

MT5 EA最佳化入門:遺傳演算法實戰解說

在調整 EA 參數時,MT5 的策略測試器提供兩種最佳化模式:「窮舉法(逐一測試所有參數組合)」與「遺傳演算法(GA)」。

面對龐大的組合數量,在有限時間內完成搜尋,遺傳演算法是業界標準做法。本文將整理遺傳演算法最佳化的基本概念與實務要點。

本文重點

  • 若組合數超過數萬種,應使用遺傳演算法(GA)而非窮舉法進行搜尋
  • 評估指標選擇還原係數或夏普比率,並排除交易次數過少的解
  • 不要只採用最高分的 1 筆,而應透過前 10 至 20 名的集中程度、參數靈敏度與分割區間驗證來決定採用值

最佳化流程(全貌)

步驟要做的事詳細說明
1將要最佳化的參數限縮在構成邏輯核心的少數幾個縮小最佳化對象的範圍
2依組合數決定使用窮舉法或 GA窮舉法與遺傳演算法的使用場景
3在測試器中設定「基於遺傳演算法的快速最佳化」與評估指標策略測試器的設定方式
4執行最佳化,並在「最佳化結果」頁籤中確認收斂情形執行遺傳演算法最佳化
5透過分割區間、比較前段解、靈敏度檢驗排除過度最佳化避免過度最佳化
6若耗時過長,善用並行代理或雲端縮短時間善用並行最佳化

推薦經紀商比較 →

🎁 免費下載EA

📧 免費電子郵件課程(共 8 封)+ 訂閱者專屬 MT5 指標 13 款合集

※ 嚴格保護隱私。可隨時取消訂閱。

什麼是遺傳演算法

遺傳演算法(Genetic Algorithm,GA)是一種模仿生物進化的最佳化方法。具體流程如下:

  1. 隨機生成多組參數(個體)
  2. 對每個個體執行回測,並依評估指標(PF、還原係數等)進行評分
  3. 從高分個體中選出「親代」,透過交叉與突變產生下一代
  4. 重複以上過程,隨著世代累積,逐漸收斂至高評分的參數組合

窮舉法是「遍歷所有組合」,而 GA 則是「聚焦於較優區域進行搜尋」,因此計算時間可縮短數個數量級。

窮舉法與遺傳演算法的使用場景

窮舉法遺傳演算法(GA)
搜尋方式遍歷所有組合聚焦於較優區域進行搜尋
適用規模參數數量少、組合在數千以下參數數量多、組合在數萬以上
計算時間與組合數成比例增加可縮短數個數量級

舉例來說,若 3 個參數各設定 10 個步進值,共有 1,000 種組合,窮舉法即可勝任。但若 5 個參數各設定 20 個步進值,組合數高達 320 萬種,此時便需要遺傳演算法。

策略測試器的設定方式

啟用最佳化功能,請在策略測試器介面中進行以下設定:

選擇最佳化模式並勾選要最佳化的參數
選擇最佳化模式並勾選要最佳化的參數

  • 最佳化:選擇「基於遺傳演算法的快速最佳化」
  • 結果:選擇評估指標,例如「最大複利」、「自訂最大值」、「最大還原係數」等
  • 輸入參數頁籤:勾選欲最佳化的參數,並設定起始值、終止值與步進值

評估指標的選擇方式

選擇什麼作為「優良」標準,將直接影響最終結果。以下列出常見指標及其特點:

指標內容特點
最大複利(獲利)僅最大化利潤因無視風險,容易陷入過度最佳化
還原係數淨利潤 ÷ 最大回撤兼顧平衡
夏普比率考量報酬率的穩定性重視穩定性
自訂最大值可在 EA 程式碼中自由定義(例如:PF × 交易次數)可依目的自行設計

建議使用還原係數或夏普比率,這是在避免過度最佳化的同時,較容易找到實用參數的方式。

執行遺傳演算法最佳化

啟動最佳化後,每一世代中評估值較高的參數組合,將依序列於「最佳化結果」頁籤中。

MT5 的遺傳演算法會自動執行數百個世代,逐步收斂至優質解。

「最佳化結果」分頁(每組參數組合的成績)
「最佳化結果」分頁(每組參數組合的成績)

常見陷阱

症狀可能原因
收斂過快參數搜尋範圍可能過於狹窄
完全不收斂評估指標設定不當,或資料雜訊過多
收斂至明顯異常的數值未排除交易次數過少的解

透過在評估函數中加入「排除交易次數低於 50 次的結果」等篩選條件,可有效去除樣本數不足的雜訊解。

避免過度最佳化

最佳化執行越多次,越容易趨近「過去完美、未來失效」的參數。避免這種情況的實務守則有以下 4 條:

守則確認事項
1. 分割時間區間後段的樣本外結果是否崩潰
2. 比較前 10 至 20 名結果排名靠前的解是否集中在相似區域
3. 檢驗參數靈敏度上下調整 10 至 20% 後結果是否大幅崩潰
4. 保留不進行最佳化的參數是否保留了邏輯上自然的固定值

1. 分割時間區間

以 10 年歷史資料為例,可用前 7 年進行最佳化,再用後 3 年進行樣本外(OOS)驗證。若後半段結果崩潰,即可判斷前半段發生了過度擬合。

2. 比較前 10 至 20 名結果

僅採用最高分的單一結果是危險的做法。

應確認排名靠前的解是否集中在相似區域,若是,則採用該區域中央附近的參數。

3. 檢驗參數靈敏度

將候選參數上下調整 10 至 20%,確認結果是否出現大幅崩潰。若崩潰,代表該解過度擬合於「尖銳的最佳點」。

4. 保留不進行最佳化的參數

刻意保留「未經最佳化、邏輯上自然的固定值」,能有效降低過度最佳化的風險。

例如,對 EMA 週期進行最佳化,但將 ATR 倍數固定不動。

善用並行最佳化

MT5 支援多核心 CPU 的並行最佳化。在「測試器」→「設定」中增加使用的代理數量,即可縮短計算時間。

此外,若使用 MQL5 雲端網路,可調用全球遠端代理進行大規模最佳化,但需支付費用。建議先在本地縮小參數範圍後,再考慮是否使用雲端資源,效率更佳。

縮小最佳化對象的範圍

最佳化的參數,基本上應限縮在進場判斷週期、止損幅度等構成邏輯核心的少數幾個。

其餘參數以「自然值」固定,較容易防止過度最佳化。

回測的 PF 只要持續最佳化就能不斷提高,但未來市場中失效的風險也會隨之增加。**「選擇平凡的數字,長期穩定運行」**才是實務上的正確解答。

免費 EA 下載

本站的免費 EA DONCHIAN ENGINE(USDJPY H1),在 USDJPY H1·9.4年(2017-2026 Dukascopy 實際 tick)的回測中,PF 1.50、勝率 34.5%、最大DD 10.8%、交易數 631 次。

查看免費 EA DONCHIAN ENGINE

推薦券商

為了讓回測與最佳化的結果在實盤中得到更好的再現性,本站推薦以成交品質為重點的券商。

查看推薦券商列表

📧 免費電子郵件課程(共 8 封)+ 訂閱者專屬 MT5 指標 13 款合集

※ 嚴格保護隱私。可隨時取消訂閱。

對EA或外匯有疑問嗎?

可以在Nattzy交易論壇發文提問(免費註冊)。不限於本文內容,EA設定、券商選擇等問題也歡迎。

到Nattzy提問 ↗

留言與提問