توسعه ربات‌های معامله‌گر

به‌روزرسانی ربات معامله‌گر بدون Over Optimization

ربات تنظیم‌کننده در حال تنظیم آرام چند درجه بزرگ روی ربات در حالی که دیوار وسوسه‌انگیز صدها پیچ ریز نورانی را نادیده می‌گیرد برای بروزرسانی ربات بدون بیش‌بهینه‌سازی
بروزرسانی سالم با پارامترهای کم و تست روی داده خارج از نمونه انجام می‌شود تا ربات بیش از حد به گذشته نچسبد.

پاسخ کوتاه: به‌روزرسانی ربات یعنی هماهنگ کردن آن با بازار امروز، نه پیدا کردن بهترین عدد برای گذشته. برای اینکه به Over Optimization (بیش‌بهینه‌سازی) نرسید، فقط پارامترهای دلیل‌دار را تغییر دهید، داده را به بخش آموزش و بخش خارج از نمونه تقسیم کنید، ناحیه پایدار را به بهترین نقطه ترجیح دهید و نسخه تازه را پیش از حساب واقعی با فوروارد تست بسنجید.

Over Optimization در به‌روزرسانی ربات یعنی چه؟

Over Optimization یا بیش‌بهینه‌سازی (Curve Fitting) وقتی رخ می‌دهد که پارامترهای ربات آن‌قدر روی داده گذشته تنظیم شوند که ربات به‌جای الگوی واقعی بازار، نویز همان دوره را یاد بگیرد. نتیجه‌اش بک‌تستی درخشان و حساب واقعی ضعیف است.

به‌روزرسانی‌های پشت‌سرهم این خطر را بیشتر می‌کنند. هر بار که ربات را روی تازه‌ترین داده دوباره بهینه می‌کنید و بهترین ردیف را برمی‌دارید، یک قدم دیگر به گذشته نزدیک‌تر می‌شوید. اگر بعد از هر چند ضرر پارامترها عوض شوند، ربات عملاً دنبال نتیجه‌های اخیر می‌دود و هیچ‌وقت فرصت نمی‌کند منطقش را در بازار ثابت کند. مبانی به‌روزرسانی را در بروزرسانی ربات معامله‌گر چیست آورده‌ایم.

چه زمانی ربات واقعاً به به‌روزرسانی نیاز دارد؟

چند ضرر پشت سر هم به‌تنهایی دلیل به‌روزرسانی نیست؛ هر ربات سودده هم دوره ضرر دارد. پیش از هر تغییر، عملکرد فعلی را با محدوده‌ای مقایسه کنید که خود بک‌تست و فوروارد تست نشان داده‌اند. این‌ها نشانه‌های واقعی‌ترند:

  • افت سرمایه بیش از بدترین افت تست: اگر افت سرمایه (Drawdown) حساب به‌طور محسوس از بیشترین افتی که تست‌ها نشان داده‌اند جلوتر رفت، رفتار بازار یا شرایط اجرا عوض شده است.
  • تغییر رفتار بازار: مثلاً نوسان روزانه نماد (ATR) برای مدتی طولانی چند برابر یا نصف شده، یا بازاری که روند داشت ماه‌ها در محدوده مانده است.
  • تغییر شرایط بروکر: اسپرد، کمیسیون، ساعت معاملات، حداقل فاصله حد ضرر از قیمت (Stops Level) یا نوع اجرای سفارش عوض شده است.
  • تغییر فنی: نسخه تازه متاتریدر، پسوند تازه برای نام نمادها، یا انتقال ربات از MT4 به MT5.

نشانه‌های بیشتر را در نشانه‌های نیاز به بروزرسانی ربات آورده‌ایم.

به‌روزرسانی منطق یا تنظیم دوباره پارامترها؟

دو نوع به‌روزرسانی داریم و خطرشان یکی نیست. تفاوت این دو را در تفاوت Update و Optimization در ربات‌ها باز کرده‌ایم.

  • تغییر منطق: اضافه کردن فیلتر روند، عوض کردن روش خروج، یا معامله نکردن در ساعت اخبار. این تغییر باید دلیل روشن بازاری داشته باشد و بعدش ربات از اول و کامل تست شود.
  • تنظیم دوباره پارامترها: عوض کردن دوره میانگین متحرک، ضریب ATR یا فاصله حد ضرر. بیشتر بیش‌بهینه‌سازی‌ها همین‌جا رخ می‌دهد، چون پیدا کردن عددی که روی گذشته بهترین نتیجه را بدهد خیلی آسان است.

روش امن به‌روزرسانی پارامترها

پنج قاعده زیر بیش‌بهینه‌سازی را مهار می‌کنند. خود فرایند بهینه‌سازی را در بهینه‌سازی ربات معامله‌گر چیست توضیح داده‌ایم.

۱. داده را به آموزش و خارج از نمونه تقسیم کنید

بهینه‌سازی فقط روی بخشی از داده انجام شود، مثلاً دو سوم اول بازه، و بخش بعدی دست‌نخورده بماند تا ببینید پارامترهای انتخابی روی داده‌ای که ندیده‌اند هم کار می‌کنند. در Strategy Tester متاتریدر ۵ گزینه Forward همین کار را می‌کند: بخشی از بازه (یک دوم، یک سوم، یک چهارم یا از تاریخ دلخواه) کنار گذاشته می‌شود و هر نتیجه بهینه‌سازی روی آن هم اجرا می‌شود.

۲. آزمون پنجره‌ای (Walk-Forward) را به یک بهینه‌سازی بزرگ ترجیح دهید

به‌جای یک بهینه‌سازی روی کل تاریخچه، بازه را به چند پنجره پشت‌سرهم تقسیم کنید: روی هر پنجره بهینه کنید و روی پنجره بعدی بسنجید. اگر پارامترهای انتخابی در پنجره‌های مختلف نزدیک هم بمانند و نتیجه خارج از نمونه قابل‌قبول باشد، به‌روزرسانی قابل‌اعتمادتر است. متاتریدر این روش را آماده ندارد و با چند اجرای جداگانه Strategy Tester انجام می‌شود.

۳. تعداد پارامترهای بهینه‌شونده را کم کنید

هر پارامتر تازه یک درجه آزادی تازه برای جفت شدن با نویز است. فقط دو یا سه پارامتری را بهینه کنید که بیشترین اثر را دارند و بقیه را روی مقدار منطقی ثابت بگذارید. گام‌های بهینه‌سازی را هم درشت بگیرید؛ تفاوت دوره ۲۰ و ۲۱ معمولاً معنای بازاری ندارد.

۴. دنبال ناحیه پایدار باشید، نه قله

بهترین ردیف جدول نتایج اغلب یک قله تنهاست: کافی است پارامتر کمی جابه‌جا شود تا نتیجه فرو بریزد. نمودار نتایج بهینه‌سازی (Optimization Graph) را باز کنید و مقداری را انتخاب کنید که همسایه‌هایش هم نتیجه خوبی دارند. ربات هیچ‌وقت دقیقاً در شرایط بک‌تست کار نمی‌کند و همین حاشیه، امنیت آن است.

۵. معیار بهینه‌سازی را درست انتخاب کنید

بیشینه کردن سود خالص به‌طور طبیعی تنظیم‌هایی با ریسک بالا و معاملات کم را جلو می‌آورد. معیاری بگذارید که ریسک را هم ببیند، مثل نسبت سود به افت سرمایه (Recovery Factor) یا ضریب سود (Profit Factor) با شرط حداقل تعداد معامله. در متاتریدر ۵ این معیار را می‌شود در تابع OnTester ربات نوشت و در تستر معیار «Custom max» را انتخاب کرد. نتیجه‌ای که فقط روی چند ده معامله ساخته شده، از نظر آماری قابل اتکا نیست.

نشانه‌های اینکه به‌روزرسانی به Over Optimization رسیده

  • فاصله زیاد بین نتیجه بخش آموزش و نتیجه بخش خارج از نمونه یا فوروارد تست؛
  • پارامترهای انتخابی در هر به‌روزرسانی جای کاملاً متفاوتی می‌پرند؛
  • نمودار موجودی بک‌تست بیش از حد صاف است و تقریباً هیچ دوره افتی ندارد؛
  • نتیجه فقط با یک مقدار خاص از یک پارامتر خوب است؛
  • تعداد معامله‌های بازه بهینه‌سازی کم است.

هر کدام از این‌ها را دیدید، به نسخه قبلی برگردید و تغییر را کوچک‌تر کنید. برای خواندن درست این اعداد، آموزش خواندن نتایج Strategy Tester کمک می‌کند.

چک‌لیست پیش از بردن نسخه تازه به حساب واقعی

  1. فایل تنظیمات (set) و نسخه قبلی ربات را نگه دارید تا برگشت ممکن باشد.
  2. هر تغییر را با تاریخ، دلیل و نتیجه تست یادداشت کنید.
  3. نسخه تازه و قبلی را روی یک بازه یکسان و با اسپرد واقعی مقایسه کنید (بک‌تست ربات با اسپرد متغیر).
  4. نسخه تازه را چند هفته روی حساب دمو یا با حجم بسیار کم اجرا کنید (تفاوت فوروارد تست و بک‌تست).
  5. بعد از رفتن به حساب واقعی، عملکرد را با محدوده‌ای که فوروارد تست نشان داده مقایسه کنید، نه با بهترین ماه بک‌تست.

جمع‌بندی

به‌روزرسانی خوب کم، دلیل‌دار و آزموده است: تغییر فقط وقتی که نشانه واقعی دیدید، بهینه‌سازی فقط روی چند پارامتر مؤثر، و انتخاب ناحیه پایدار به‌جای بهترین عدد گذشته. اگر رباتی اختصاصی می‌خواهید که با همین روند تست و مستندسازی تحویل شود، از صفحه سفارش ربات متاتریدر درخواست بدهید.

هشدار ریسک: این مطلب جنبه آموزشی دارد و توصیه سرمایه‌گذاری نیست. معامله در بازارهای مالی با ریسک از دست دادن سرمایه همراه است و نتایج گذشته یا بک‌تست تضمینی برای آینده نیست.

نویسنده

تیم متااکسپرت در طراحی و برنامه‌نویسی ربات‌های معامله‌گر و اکسپرت‌های متاتریدر با MQL4 و MQL5 تخصص دارد و تجربه‌های عملی خود را در قالب این مقالات منتشر می‌کند.

دیدگاه‌ها

دیدگاه یا سؤال خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

کد امنیتی