完整优化 vs 遗传优化

一、MT5回测功能核心设置

1. 回测模式选择

• 单一模式：固定参数回测（禁用优化）
• 完整优化：穷举所有参数组合（需勾选参数范围）
• 遗传优化：基于进化算法的启发式搜索
• 市场扫描：多品种同步回测

二、参数优化核心算法对比

1. 完整优化（穷举法）

原理：遍历所有参数组合，计算每个组合的绩效。

优缺点：
✅ 确保找到全局最优解
❌ 计算量随参数增加指数级增长

2. 遗传优化（进化算法）

原理：模拟「选择-交叉-变异」生物进化过程，通过种群迭代逼近最优解。
核心步骤：

1. 初始化种群：随机生成N个参数组合（如100个）
2. 适应度评估：计算每个组合的盈利因子
3. 选择：保留前20%优秀个体（如20个）
4. 交叉：优秀个体基因重组（如FastEMA=12与SlowEMA=26交叉）
5. 变异：随机修改部分参数（如SignalEMA+1）
6. 迭代：重复2-5步（如50代）

优缺点：
✅ 速度快
❌ 可能陷入局部最优

选择参数

回测结果