參數要選高原區，避開單點峰值的最佳化

結論：不選成績最高的單點，而是選不會崩壞的範圍中央

把最佳化結果依成績排序，然後直接採用最上面那一列。我們認為，這是通往曲線擬合最短的路徑。

我們看的不是最高值，而是最佳值周邊的成績會不會崩壞。參數稍微偏移，成績仍能平緩維持的範圍，我們稱為「高原（Plateau）」，並採用其中央附近的值。數字會比最高成績的那個點遜色一些，但我們的立場是：這樣就夠了。

為什麼單點峰值很危險

峰值裡含有「碰巧的命中」

最佳化是從數百到數千種組合中，找出最貼合過去資料的那一組。嘗試次數越多，碰巧抓到少數幾筆大幅獲利交易的組合，就越容易排進前段。

如果只是換到相鄰的值，成績就大幅下滑，我們會判斷這份成績與其說是策略優勢，不如說很可能依賴於特定的幾筆交易。

未來行情不會以最佳化期間的樣貌重現

未來的行情，波動率與價格週期都會與過去略有出入。這等同於參數稍微偏離的狀態下運作。

周邊不會崩壞的參數，有餘裕吸收一定程度的偏差；尖銳的峰值則沒有這種餘裕。

為何採用中央值

如果選在高原的邊緣，其中一側馬上就是懸崖。選在中央，不論往哪個方向偏移，仍然留在高原之上。

我們選的不是成績的高低，而是距離崩壞還有多遠。

確認步驟：在 MT5 上檢查周邊是否崩壞

檢查清單

1. 步進不要設得太粗：步進太粗，就無法區分是高原還是孤立的點。看到有希望的範圍後，只針對該範圍周邊縮小步進再重新執行。
2. 選兩個參數以二維方式顯示：MT5 的最佳化結果可以用平面呈現。深色區塊成片擴展就是高原，只有單一格子是深色就是峰值。
3. 不要只看 PF：交易筆數與 drawdown 也要在相鄰的值之間比較。即使 PF 維持住了，如果交易筆數驟減，就可能已經變成另一種策略。
4. 選範圍中央，並記錄與最高值的差距：記下讓出了多少成績，日後才能檢驗當時的判斷。
5. 用未參與最佳化的期間驗證：高原只是同一份資料內的現象。形狀在期間之外是否依然維持，必須另外確認。

使用遺傳演算法時要特別留意。由於搜尋會集中在有希望的區域，有時周邊還沒被充分嘗試就結束了。要確認周邊，縮小範圍後改用完整搜尋重做會更可靠。

MT5 的基本操作整理在 EA・MT5 知識庫。

使用者自己也能做的事

對於已經公開發售的 EA，同樣的檢查也做得到。把主要參數從預設值往前後一點一點調整，執行回測，看成績會不會突然崩壞就行了。

舉例來說，DONCHIAN ENGINE 的回測實測值為 PF1.5、631 筆交易、驗證期間 9.4 年。上位版本的 MEGAMAX DONCHIAN 同樣是回測 PF1.55、629 筆交易。

不過，這裡必須坦白說明一件事：這些是採用的參數單點上的結果，光憑這些數字，無法得知周邊是不是高原。PF 並不亮眼，也不能證明它是高原。動手調整參數來驗證這件事，是無法用公開數字取代的。

各 EA 的回測實測值，可在實測排行榜一覽。

限制與注意事項

• 高原不保證未來獲利。 即使看起來是寬廣的高原，也只是同一份過去資料上的穩定性。一旦行情性質改變，整片高原都可能一起下沉。
• 「高原到哪裡為止」的界線帶有主觀性。 如果事後才隨意決定可容許的成績下滑幅度，那也是一種曲線擬合。基準應該在最佳化之前就定好。
• 參數一多就檢查不完。 二維平面一次只能看兩個參數。三個以上交互作用造成的崩壞，有可能被漏看。
• 交易筆數太少時，高原的形狀本身就不可信。 因為幾筆交易就足以改變平面的顏色。
• 我們自己也不敢斷言這個方法已經足夠。 在模擬帳戶的前向測試中，仍有數個 EA 的損益處於負值。即使是留意高原而選出的參數，也無法避開虧損的行情階段。

總結

• 最佳化時，找的是周邊不會崩壞的範圍，而不是成績最高的單點
• 採用高原中央附近的值。比起成績高低，更看重距離崩壞還有多遠
• 不只看 PF，交易筆數與 drawdown 也要在相鄰的值之間比較
• 遺傳演算法的結果，要以完整搜尋重新確認周邊
• 高原是過去資料上的穩定性，並不保證未來的成績
• 光憑公開的單點數字，無法判斷是不是高原。要自己動手調整參數來確認