Penjelasan Overfitting EA: Mengapa Backtest Sempurna Bisa Gagal di Akun Riil
EABuild Team · · 9 menit baca

Di halaman ini
- Arti overfitting EA dengan bahasa sederhana
- Bagaimana EA hasil optimasi berakhir disetel pada harga lama
- Tanda peringatan EA overfitting di laporan backtest
- Penjelasan pengujian in-sample, out-of-sample, dan walk-forward
- Overfitting EA pada EA berlabel AI dan EA dengan banyak file set
- Pemeriksaan sebelum trading EA di akun riil ketika overfitting menjadi perhatian
- Menjalankan pemeriksaan overfitting di akun demo minggu ini
Overfitting EA terjadi ketika pengaturan sebuah expert advisor disetel begitu pas dengan rentang harga masa lalu, sehingga EA hanya menggambarkan riwayat itu, bukan perilaku pasar yang dapat berulang. Backtest tampak mulus karena pengaturannya memang dipilih agar tampak mulus. Artikel ini menjelaskan bagaimana overfitting muncul, cara mengenalinya di laporan Strategy Tester, dan uji sederhana apa yang mengurangi kemungkinan Anda bergantung padanya.
Arti overfitting EA dengan bahasa sederhana
Setiap EA punya parameter input: periode, jarak, ukuran lot, filter waktu. Ubah satu input, dan hasil backtest ikut berubah. Jika Anda mencoba cukup banyak kombinasi pada riwayat harga yang sama, salah satunya akan cocok sekali dengan riwayat itu, sebagian karena perilaku pasar yang nyata dan sebagian karena kebetulan semata. Overfitting, juga disebut curve fitting, berarti memilih kombinasi yang cocok dengan noise.
Perumpamaan yang berguna adalah siswa yang menghafal jawaban ujian tahun lalu. Nilainya di ujian itu sangat bagus, tetapi ia belum benar-benar menguasai pelajarannya, sehingga ujian baru dengan soal berbeda berjalan buruk. EA yang overfitting telah menghafal riwayat tertentu. Trading di akun riil adalah ujian barunya.
Mengapa mudah terjadi tanpa disengaja
Tidak perlu niat buruk agar hal ini terjadi. Strategy Tester di MetaTrader memungkinkan Anda menjalankan optimasi (serangkaian pengujian yang mengubah-ubah input) lalu mengurutkan hasilnya berdasarkan profit. Baris teratas memang menggoda. Namun baris teratas hanyalah pengujian yang kebetulan paling cocok dengan sampel data.
- Semakin banyak input yang dioptimasi, semakin banyak kombinasi yang ada, dan semakin mudah menemukan satu yang cocok karena keberuntungan.
- Semakin pendek riwayatnya, semakin sedikit kondisi pasar berbeda yang harus dihadapi EA.
- Semakin banyak aturan dalam sebuah EA, semakin besar ruangnya untuk menyesuaikan diri dengan kejadian-kejadian masa lalu.
Bagaimana EA hasil optimasi berakhir disetel pada harga lama
Bayangkan sebuah EA breakout sederhana dengan lima input. Anda mengujinya pada data M15 selama satu tahun dan menjalankan optimasi. Satu pengujian menunjukkan Stop Loss dengan satu ukuran persis, panjang range dengan satu nilai persis, dan filter sesi yang kebetulan melewati tiga minggu buruk. Kurva equity tampak stabil.
Tidak satu pun dari nilai persis itu harus bermakna. Stop Loss yang sedikit lebih besar atau lebih kecil bisa saja menghasilkan kurva yang jauh lebih buruk. Sensitivitas itulah tanda utamanya: hasil bagus berada di puncak yang sempit, bukan di dataran luas tempat nilai-nilai di sekitarnya juga bekerja cukup baik.
Filter yang menghapus kerugian masa lalu
Filter waktu dan filter berita bisa masuk akal, tetapi juga bisa dipakai untuk membuang persis hari-hari yang merusak hasil backtest. Aturan yang sekadar melewati beberapa minggu tertentu sulit dibenarkan dengan alasan pasar. Aturan yang menghindari beberapa menit pertama sekitar rilis data terjadwal dapat dijelaskan, diuji pada periode lain, dan tetap masuk akal pada data yang belum pernah dilihat EA.
Biaya yang tidak dimasukkan dalam pengujian
Backtest juga bisa tampak lebih baik daripada kenyataan karena spread, komisi, atau slippage yang dimodelkan lebih ringan daripada yang dikenakan broker Anda. Ini bukan overfitting dalam arti yang ketat, tetapi efeknya mirip: hasil pengujian menggambarkan pasar yang tidak ada untuk akun Anda. Panduan backtest EA di MT5 dan backtest EA di MT4 membahas cara menyiapkan tester agar biaya dimodelkan semirip mungkin dengan yang memungkinkan di platform.
Tanda peringatan EA overfitting di laporan backtest
Anda tidak bisa membuktikan overfitting dari satu laporan, tetapi beberapa tanda sekaligus sebaiknya membuat Anda berhati-hati.
- Kurva yang sangat mulus dengan sangat sedikit periode rugi. Pasar nyata berubah karakter. Kurva tanpa titik tekanan yang terlihat pada pengujian panjang mungkin dipilih, bukan diperoleh.
- Hasil yang runtuh ketika satu input digeser sedikit. Ubah satu periode dengan langkah kecil. Jika laporan berubah total, pengaturan tersebut berada di sebuah puncak sempit.
- Banyak input dengan nilai persis yang tidak lazim. Nilai seperti Stop Loss dengan satu ukuran yang sangat spesifik tanpa alasan yang disebutkan menandakan angka itu berasal dari proses optimasi.
- Hasil bagus hanya pada satu simbol dan satu timeframe. Sebagian EA memang dirancang untuk satu simbol pada satu timeframe, dan itu tidak masalah. Tetapi jika logikanya mengklaim ide yang umum dan hanya satu pasangan simbol-timeframe yang berhasil, tanyakan mengapa.
- Periode pengujian yang pendek atau hanya mencakup satu jenis pasar. EA trend following yang hanya diuji saat tren kuat belum menghadapi kondisi sulitnya.
- Jumlah transaksi sedikit. Segelintir transaksi bisa tampak mengesankan, namun tetap sangat sedikit memberi informasi.
Penjelasan pengujian in-sample, out-of-sample, dan walk-forward
Pertahanan standar terhadap overfitting adalah menyembunyikan sebagian data dari proses optimasi. Istilah-istilah berikut menjelaskan caranya.
Data in-sample dan out-of-sample
Periode in-sample adalah rentang riwayat yang Anda pakai untuk memilih pengaturan. Periode out-of-sample adalah rentang yang lebih baru yang tidak Anda sentuh saat memilih. Anda memilih pengaturan pada bagian pertama, lalu menjalankan EA satu kali pada bagian kedua dengan pengaturan yang tidak diubah. Jika perilaku out-of-sample mirip dengan perilaku in-sample dari segi karakter, misalnya frekuensi transaksi yang serupa dan jenis drawdown (penurunan dari saldo puncak akun) yang serupa, kecocokan itu lebih kecil kemungkinannya merupakan kebetulan. Jika tampak seperti EA yang berbeda, curigai hasil in-sample tersebut.
Dua aturan membuat cara ini berguna. Pertama, periode out-of-sample harus berasal dari waktu setelah periode in-sample, karena EA akan trading maju ke depan. Kedua, Anda hanya boleh melihat satu kali. Jika Anda melihat hasil out-of-sample, mengubah pengaturan, lalu melihat lagi, data itu telah menjadi in-sample dan perlindungannya hilang.
Pengujian walk-forward
Pengujian walk-forward mengulang gagasan tersebut secara bertahap. Anda mengoptimasi pada satu jendela riwayat, menguji pada jendela tepat setelahnya, lalu menggeser kedua jendela ke depan dan mengulang. Hasilnya adalah rantai segmen out-of-sample, masing-masing diuji dengan pengaturan yang dipilih hanya dari data sebelumnya. Ini memberi tahu Anda apakah proses mengoptimasi sebuah EA cenderung menghasilkan pengaturan yang terus berfungsi, bukan hanya apakah satu set nilai berfungsi.
MetaTrader 5 menyediakan opsi forward testing di Strategy Tester yang menahan sebagian periode setelah optimasi. Rutinitas walk-forward penuh pada banyak jendela biasanya memerlukan skrip tambahan atau alat eksternal, sehingga banyak trader melakukan versi sederhana secara manual: optimasi, uji pada blok berikutnya, lanjut, lalu bandingkan blok-blok tersebut.
Pemeriksaan silang lainnya
- Jalankan EA yang sama pada simbol yang berdekatan atau timeframe berbeda di mana ide tersebut seharusnya juga berlaku, dan lihat apakah perilakunya secara umum mirip.
- Uji dengan spread yang lebih tinggi dan sedikit slippage untuk melihat seberapa rapuh keunggulannya.
- Uji pada periode yang mencakup kondisi pasar berbeda, seperti range yang tenang diikuti pergerakan kuat.
Overfitting EA pada EA berlabel AI dan EA dengan banyak file set
Overfitting tidak terbatas pada aturan yang dibuat manual. Semakin banyak bagian yang dapat disesuaikan dalam sebuah sistem, semakin besar kemungkinannya disesuaikan dengan sampel masa lalu. Itu mencakup produk yang dideskripsikan berbasis jaringan saraf tiruan atau AI, karena model dengan banyak parameter internal dapat mencocokkan riwayat dengan sangat pas. Panduan EA trading AI menjelaskan apa yang ditunjukkan dan tidak ditunjukkan oleh label tersebut.
Daftar produk memberi Anda fakta, bukan bukti pengujian, jadi gunakan untuk menentukan apa yang perlu diperiksa, bukan apa yang diharapkan. Tiga contoh dari toko menunjukkan hal-hal berbeda yang perlu dicek.
Beberapa file set untuk satu simbol
Aurum AI EA untuk MT4 adalah expert advisor MT4 untuk XAUUSD pada M5, dicantumkan dengan logika grid, martingale, dan trend following serta 15 file set. File set adalah daftar pengaturan input yang disimpan dan dapat Anda muat di MetaTrader. Ketika sebuah unduhan menyertakan banyak file set, pertanyaan yang berguna adalah mengapa file-file itu berbeda dan apakah masing-masing dipilih pada periode yang berbeda dari periode yang akan Anda uji. Daftar produk tidak menyebutkan bagaimana ke-15 file itu berbeda, jadi buka satu per satu, baca nilainya, dan bandingkan perilakunya di akun demo.
Banyak simbol, satu timeframe
Perceptrader AI EA untuk MT5 dicantumkan untuk NZDUSD, USDCAD, AUDNZD, dan AUDCAD pada M5, dengan logika grid, scalping, dan jaringan saraf tiruan / AI serta 12 file set. Beberapa simbol memberi Anda pemeriksaan silang yang alami: Anda dapat melihat apakah perilaku pada satu pasangan kurang lebih mirip dengan perilaku pada pasangan lainnya, yang merupakan uji kecil apakah logikanya bersifat umum atau disetel untuk satu pasangan.
Satu simbol, fitur strategi yang kuat
Goldex AI EA untuk MT5 dicantumkan untuk XAUUSD pada M5 dengan hedging, martingale, dan trading berita, serta tiga file set. Martingale berarti ukuran lot bertambah setelah transaksi yang rugi, sehingga perubahan kecil pada waktu entry dapat mengubah seberapa dalam rangkaian kerugian. Sensitivitas itu membuatnya layak diuji bagaimana EA berperilaku ketika input digeser sedikit dan spread yang lebih lebar dimodelkan di sekitar rilis berita.
Tidak satu pun dari ini menyatakan bahwa EA tersebut overfitting atau tidak. Ini menyatakan apa yang akan diuji oleh pembeli yang cermat pada EA mana pun dengan fitur yang sama.
Pemeriksaan sebelum trading EA di akun riil ketika overfitting menjadi perhatian
Rutinitas singkat tidak akan menghilangkan ketidakpastian, tetapi dapat menghilangkan kesalahan yang paling umum.
- Catat pengaturan mana yang Anda pilih dan alasannya, sebelum Anda melihat pengujian berikutnya.
- Lakukan backtest pada satu periode dan biarkan periode yang lebih baru tidak tersentuh, seperti dijelaskan di atas.
- Geser setiap input kunci naik dan turun dengan langkah kecil dan cari dataran, bukan puncak.
- Ulangi pengujian dengan spread dan slippage yang lebih tinggi.
- Jalankan EA di akun demo selama periode yang cukup panjang untuk mencakup beberapa hari pasar yang berbeda. Artikel tentang pengujian akun demo dan akun riil menjelaskan cara menahapkannya.
- Bandingkan perilaku di akun demo dengan backtest: frekuensi transaksi, durasi transaksi yang umum, dan bentuk drawdown. Angkanya tidak akan sama persis, tetapi karakternya seharusnya sama.
- Jika Anda pindah ke akun riil, mulailah dengan ukuran terkecil yang diizinkan broker Anda dan terus lakukan pemeriksaan.
Ketika perilaku di akun riil berbeda
Jika akun riil atau akun demo berperilaku sangat berbeda dari backtest, jangan langsung mengoptimasi ulang pada beberapa minggu terakhir. Itu jebakan yang sama dalam bentuk baru: menyesuaikan dengan sampel terbaru. Periksa dulu penyebab yang membosankan, seperti akhiran simbol, spread, zona waktu, dan apakah algo trading diaktifkan. Jika semuanya baik, anggap perbedaan itu sebagai informasi tentang EA tersebut.
Menjalankan pemeriksaan overfitting di akun demo minggu ini
Pilih satu EA yang sudah Anda miliki atau rencanakan untuk diuji. Pilih simbol dan timeframe dari daftar produknya, jalankan backtest pada satu periode, sisihkan periode yang lebih baru, lalu bandingkan. Kemudian jalankan di akun demo sambil mencatat singkat apa yang Anda lihat. EA mana pun di katalog Membership dapat diuji dengan cara ini, dan masing-masing adalah produk digital yang diunduh yang bisa langsung Anda muat di akun demo.
Perdagangan valuta asing dan CFD memiliki tingkat risiko yang tinggi dan mungkin tidak cocok untuk semua investor. Kinerja masa lalu tidak menjamin hasil di masa depan; hanya berdagang dengan uang yang sanggup Anda tanggung kerugiannya.
Tag: AI Trading EAs


