XAUXXDiario di ricerca
← Torna al diario

Come verificare un EA dopo l'ottimizzazione? Separare la selezione dei parametri dalla verifica out-of-sample

Prima suddividere l'uso dei dati, poi congelare la configurazione candidata, eseguire l'intervallo riservato e conservare i risultati falliti, evitando di presentare un backtest ripetutamente modificato come verifica indipendente.

Thomas · Aggiornato 2026-10-10

Autore: Thomas|Pratica su EA e piattaforme|10 ottobre 2026

Dopo che l'ottimizzazione di un EA ha prodotto una serie di parametri dall'aspetto favorevole, il passo successivo non dovrebbe essere semplicemente scegliere lo screenshot con il rendimento più alto. La domanda più utile è: cosa succede se si cambia un segmento di dati che non ha partecipato alla selezione? Questo articolo presenta un flusso di registrazione per la selezione dei parametri e la verifica out-of-sample, non mostra risultati di test fittizi e non considera i risultati storici come garanzia di rendimenti futuri.

Innanzitutto chiarire che test e ottimizzazione non sono la stessa cosa

La documentazione ufficiale di MT4 indica che un singolo test utilizza il Value nei parametri di input, mentre Start, Step e Stop servono per l'ottimizzazione dei parametri. Modificare le impostazioni di ottimizzazione non equivale a cambiare tutte le condizioni di un test a parametri fissi. Quando si salva un record, occorre specificare se si sta eseguendo una configurazione fissa o cercando più combinazioni.

Il fatto che il software offra funzionalità di ottimizzazione non significa che il valore massimo selezionato abbia capacità predittiva futura. Il risultato finale dipende anche dai dati, dalle ipotesi sui costi e dall'implementazione del programma, e va verificato separatamente.

Prima della ricerca, suddividere l'uso dei dati

Individuare prima un segmento di dati da usare per la selezione dei parametri, poi riservarne un altro per la verifica. Dopo aver definito periodo, strumento e scopo, salvare il record, evitando di scegliere a posteriori un intervallo facile da superare dopo aver visto tutti i risultati.

Out-of-sample significa che non ha partecipato a questa selezione. Se si sono già esaminati ripetutamente gli stessi dati e si sono modificati i parametri di conseguenza, quei dati non possono più essere considerati una prova di verifica completamente indipendente. Qui si discute di un flusso di ricerca, senza affermare che una qualsiasi proporzione fissa di suddivisione sia adatta a tutti gli EA.

Flusso didattico: selezione, congelamento, verifica

Il flusso didattico illustrativo è: intervallo di selezione A → salvare parametri candidati e versione → congelare la selezione → eseguire i parametri fissi nell'intervallo riservato B → registrare superamento o fallimento. A e B sono solo etichette di uso dei dati, non conti reali o grafici di mercato.

Non modificare immediatamente i parametri quando B va male e poi chiamare il risultato modificato di B primo test out-of-sample. Se è davvero necessario modificare, registrare il nuovo processo di selezione e indicare che la verifica originale non è stata superata; in seguito serviranno nuovi dati di verifica.

Non solo i parametri sono fissi, anche l'ambiente

Salvare versione dell'EA, specifiche dello strumento, timeframe, fonte dei dati, data del test e modello. Anche capitale iniziale, costi e direzione di trading devono essere indicati chiaramente. Quando si confrontano risultati precedenti e successivi, verificare se queste condizioni sono coerenti; non si possono cambiare più impostazioni contemporaneamente e attribuire il risultato solo al miglioramento dei parametri.

Se il programma specifico supporti un certo strumento, timeframe o modalità di gestione delle posizioni va verificato con lo sviluppatore. Il fatto che il tester si avvii non dimostra che tutte le condizioni operative siano soddisfatte.

Non guardare solo il rendimento massimo, ma anche i limiti di variazione

Registrare numero di operazioni, drawdown, criterio dei costi e se i risultati sono concentrati su poche operazioni. Se parametri simili, leggermente modificati, cambiano molto il risultato, occorre indagare ulteriormente le cause, invece di presumere automaticamente di aver trovato la formula esatta del profitto.

Una performance simile nei parametri vicini non può nemmeno dimostrare autonomamente l'efficacia in reale. Può solo fornire uno spunto per continuare la ricerca, richiedendo comunque la verifica dell'ambiente di mercato, delle differenze di esecuzione e di campioni indipendenti. Senza materiale di test completo, non vengono forniti tassi di successo o cifre di rendimento fissi.

I risultati falliti devono restare nel report

Quando la verifica non è superata, indicare in quale intervallo è avvenuto, quali ipotesi devono essere riesaminate e se mancano dati. Conservare le configurazioni fallite e i risultati originali, non eliminare i record sfavorevoli lasciando solo il gruppo migliore finale.

Se si cambiano ripetutamente campione o obiettivo fino a ottenere un risultato favorevole solo alla fine, questo processo va divulgato. Mostrare solo l'ultima curva impedisce al lettore di vedere quante prove sono state fatte durante il processo di selezione.

Osservazione simulata e conto reale sono fasi diverse

Dopo il test out-of-sample si può continuare con l'osservazione simulata, verificando input in tempo reale, condizioni di attivazione e stato del programma, ma la performance simulata non può comunque garantire il risultato reale. L'esecuzione sulla piattaforma e i costi vanno verificati separatamente, senza sostituire il controllo degli ordini reali con i numeri del backtest.

Il fine settimana è adatto per organizzare versioni, parametri e record di verifica. Nessun test dovrebbe aggirare l'autorizzazione del conto o aumentare arbitrariamente il rischio reale per verificare. Il trading con leva può causare perdite significative; questo articolo è destinato all'educazione sul flusso di ricerca degli EA, non costituisce consulenza di investimento e non promette rendimenti.

Avvertenza: le operazioni con leva possono causare perdite rilevanti. I contenuti sono destinati alla ricerca e alla formazione, senza garanzie di rendimento. Le performance passate non prevedono risultati futuri.