MQL4课程-学习EA测试注意事项

　　MQL4课程-学习EA测试注意事项EA这个词现正在依然被许众贸易者当成骗子来对付了，许众EA正在测试的时间结果出格完善，乃至正在模仿盘测试的时间都发挥不错，然则实盘一用起来就弗成了，有人用了之后乃至会爆仓，因此结果一节课讲一下EA的少少坑，以免民众踏进坑里。此外正在结果会说一下何如获取优质的测试数据以及EA优化的少少办法，能够作少少参考。

　　汗青的测试对付EA来说诟谇常须要的，这是一个筛选EA的要紧症结，通过测试大意就能够明了一款EA是不是卓越的EA，以及它大意是何如任务的。

　　目前市情高尚行的EA许众是马丁以及网格类型的EA，要识别这一类的EA也诟谇常单纯的，拿过来测试一下看一下它是奈何加仓的就显现了，或者看一下它的净值弧线，查看一下它的净值和余额分歧大不大，此外，马丁和网格类的EA净值弧线都是比拟平定向上的，碰到这一类的EA就加倍必要属意了，这种一贯亏蚀加仓的EA最终的到底都是爆仓，如下图：

　　当然，实在亏蚀加仓一类的EA也不是毫无用途，假使它正在爆仓前翻倍的希冀是大于50%的，那么通过众个商场的组合实在仍然能够用的，合头是这个希冀确实是比拟难驾御，正在这一类亏蚀加仓的政策当中，双种类对冲套利的网格和马丁政策发挥得比拟好少少，好比做合系性比拟大的钱币之间的对冲，或者做WTI和布伦特原油之间的基差套利等等，然则普通来说其开单条目也是必要做少少光阴序列理会和解决的，好比两个合系性强的钱币对何如做准则化等等。

　　另有一种EA即是神经收集类的EA以及做颤动的EA，碰到这一类EA必要特别小心，普通作家都市把这一类的EA控制正在某个种类来回避其太过优化的题目，当咱们用EA来做测试的时间假使听作家的话，那就中了坎阱，就像上节课的神经收集EA，这个简直完善的结果只实用于今朝种类和锻练的那段光阴，假使用正在实盘上就会亏蚀。因此万万不要作家说什么即是什么，正在其他种类上试一下，一款好的EA普通正在许众种类上发挥都是不错的，普适性比拟强。

　　此外做超短线的剥头皮类的EA也必要属意，这一类的政策对平台的点差和延迟哀求诟谇常高的，由于利润也就那么一两个点，本钱稍微大少少就不行红利了，因此正在切磋用之前必然必要看平台。这一类政策也有少少伪装得迥殊好的EA，许众时间MT4的测试数据会有Tick级别数据的丧失，况且回测的时间不会切磋滑点题目，于是这一类EA就特意钻这一个空子，正在一根K线上做剥头皮，导致从来该当止损的订单结果红利退场，于是测试的结果也是相当的完善，要判别这一类EA也出格单纯，做一段光阴的模仿盘，然后和这一段光阴的回测结果比拟一下就明了了。因此模仿盘的结果和回测结果的比拟也是筛选EA出格要紧的方法，连测试结果和模仿贸易的结果都对不上的EA诟谇常劣质的EA。

　　当然，有些人会说，汗青并不代外当下，以前能红利今后也不必然能红利，然后以此为出处以为做回测没有效。然则汗青发挥都弗成的，那他日大意率也是弗成的，因此回测固然不是全能的，然则动作一个过滤器还诟谇常有须要的。因此万万不要被其他人的言道迷惑，一个贸易编制连回测都不做的，那这款编制不要管其他人说的胡言乱语，固执不要用。

　　正在操纵EA时必然要属意EA是否显现了回撤过大导致失效的局面。以海龟贸易编制为例，其正在期货众种类中的回测净值弧线如下图：

　　能够看到正在2014年之前，海龟贸易编制的发挥都诟谇常好的，然则2014年之后显现了回撤出格大的局面，编制逐步失效，这即是编制毕命的题目。那么何如界定编制的毕命？

　　差别的人有差别的评判办法，我感到操纵编制汗青的最大回撤来做一个评判准则是一个比拟不错的办法，假使把回撤比作灾祸，那么最大汗青回撤即是十几年来最急急的灾祸，一朝比这个还要急急你就要属意了，说未必是陨石撞地球导致的生物大灭尽，这个时间就要先合上贸易政策，等一段光阴后回测看看它是否能回到净值最大值的场所，假使能够那相应得消重仓位延续用，假使短光阴内相联显现这种回撤很大的情形，就要计算放弃政策了。

　　那上面说的，回撤很大真相要大到众少才算？普通来说做政策要把回撤限定正在25%以内，假使汗青回撤大于了这个准则，那么就通过消重仓位的形式来保障最大回撤正在这个畛域以内。而一朝运转时回撤大于了最大回撤的1.5倍，也即是突出了38%，那么就必要终止政策的运转了，等一段光阴后看一下净值弧线是否会反弹回到峰值，假使回到峰值那么就用最新的最大回撤来配合仓位从新最先。当然这意味着这一套编制会错过许众的机遇，然则没有手腕，资金安定才是最要紧的，况且这也响应了众政策组合的要紧性，一个政策毕命另有其他政策来补上耗损，不至于让账户缩水过大，也供给了改换政策的空间。

　　做EA的测试没有汗青数据相当做饭没有米，然则MT4和MT5上的数据又太少了，要做十年以上的回测根基上不大大概，况且这上面的汗青数据质料实正在是太差了。那么到哪里去下汗青数据做回测呢？这里给民众保举一个出格好用的复盘器材，复盘专家。

　　这款软件的网站上有18年的1min汗青数据可省得费下载，况且数据质料比拟高，抵达90%，网址如下：

　　下载完解压之后是一个TXT样子的数据文献，装置好复盘专家后就能够进入复盘专家的数据核心导入数据并删改参数了。合于何如用这款复盘软件做回测正在这里就不做先容了，民众能够去官网上面找教程。

　　这款复盘软件最简单的地梗直在于它能够切磋库存费以及滑点，此外它能够做到众EA政策众周期众种类同时回测，这正在MT4乃至正在MT5中都是难以杀青的。

　　当然，做EA的回测必要添置才行，厉害一点的同窗能够把通过复盘专家转换取得的CSV汗青数据文献导入到MT4中做回测，如许就能够无须交钱了，然则动作过来人仍然发起民众添置一下，做回测确实是简单许众。

　　这里必要说一下复盘专家也是有舛误的，它必要用政策转换器把政策从MQL4文献转换成为dll文献，然则目前复盘专家的政策转换器还正在一贯更新当中，还不是迥殊完善，有许众MQL4的函数目前还不行转换，这个必然要属意，不然就会显现转换的差错，实在这个题目也不是迥殊大，由于MQL4中序次的取代办法有许众。

　　一款EA最合头的是政策的逻辑主题，然则唯有逻辑主题仍然无法红利的，好的政策还必要好的配套办法优化才行，这即是细节题目了，然而商场上许众人合切的都是逻辑主题，却很少有人去重视这些细节题目。

　　所谓优化的维度，指的是合系性低的优化办法，假使两个优化办法合系性很高，那么优化的成绩会很低，乃至是起到反功用，好比说用均线上下场所的联系来做优化，一个永久一个短期，假使再加一个更永久的均线，那优化根基上没有太大成绩乃至会补充亏蚀。因此咱们做优化就必要用差别的办法来做，好比除了均线上下场所的联系，还补充了均线之间隔断的过滤，或者补充K线收盘价和永久均线的隔断的过滤，这即是两种差别的过滤办法，也即是两个差别的维度做的过滤。

　　那么优化一个编制大致有哪些维度能够去做呢？以趋向贸易编制为例，目前创造比拟有用的优化办法有：

　　以上十个层面临于趋向编制来说是比拟好的优化维度，民众能够试着去做一下。对付颤动类编制，比拟好的优化维度有：

　　相对来说颤动类的贸易编制要杀青安宁红利是比拟贫寒的，当具有正希冀的颤动类贸易编制和趋向编制配合起来用，编制的发挥将会取得很大的进步。

　　每次回测完EA之后咱们会取得一份回测告诉，告诉当中摆列了很众数据，如下图：

　　这份告诉中的数据对EA的评判是特别要紧的。下面和民众说一下这份告诉内部各个数据的旨趣：

　　最先是复盘模子的质料，这个东西代外了数据的完好度，因为MT4中自带的数据会有缺损的局面，因此普通用MT4做的回测模子的质料都不是迥殊高，治理手腕能够用复盘专家做回测，对付剥头皮类的EA，数据要确保是tick级其它数据，且质料要99%。

　　第三个是总赚钱，这个统计的是回测功夫总共红利订单的红利总和，同样总亏蚀是回测功夫总共亏蚀订单的亏蚀总和。

　　第四个是红利比，等于总赚钱与总亏蚀的比值，正在永久测试下来后，这个比值诟谇常要紧的，必然水平上响应了政策的反柔弱性，这个比例假使比拟大，那么正在本钱稍微有点补充时政策大意率如故能够杀青红利。因此这个比值必然水平上响应了序次的红利本事，通过回测得出的红利比最好正在1.5以上，不然一朝用于实盘，滑点本钱和库存费很有大概会把账户的红利抹除掉。

　　第五个是预期红利，这个是总净红利与订单数目的比值，即均匀每单的红利，响应的是一个红利的希冀。

　　接下来是绝对亏蚀，这个亏蚀是从最先测试的时间帐户资金低于账户余额峰值的最大幅度。

　　第八个是相对亏蚀，代外了最大亏蚀占当时账户的百分比，这个百分比越大，爆仓的危害也就越大。

　　第十个是卖单数（赚钱百分比），是测试功夫做的空单的数目以及空单的胜率，买单的数目和赚钱百分比雷同。

　　第十一个是红利贸易数目以及胜率，然后是亏蚀贸易数目和胜率。许众初学者把胜率当做评判贸易编制的合头目标，实在是错误的，胜率要和均匀盈亏比连合起来才有效。对付趋向贸易编制，胜率40%驾驭就不错了，若能杀青50%的胜率就诟谇常厉害了。

　　接下来是最大赚钱贸易以及最大亏蚀贸易，响应了单笔贸易对净值的影响幅度，若最大亏蚀贸易比拟大，那么注释账户的净值有时会显现暴跌，不足安宁。

　　然后是均匀赚钱贸易以及均匀亏蚀贸易，这两个的比值便是均匀盈亏比，对付均匀盈亏比大的编制，胜率便能够小少少，对与盈亏比小的编制就要用概率的上风来填充。

　　最大相联赚钱金额和最大相联亏蚀金额响应的是政策的抗危害本事，相联赚钱金额越大，相联亏蚀金额越小，注释政策发挥越平定，抗危害本事也越强。

　　最众相联赚钱次数以及最众相联亏蚀次数的意思和最大相联赚钱金额附近，只可是响应的是差别的层面。

　　均匀相联赚钱次数以及均匀相联亏蚀次数代外了政策的安宁性，相联赚钱次数越大，亏蚀次数越小，政策安宁性越强。

　　除了以上数据外，另有少少目标是比拟要紧的，好比夏普比率以及所提诺比率，这些比率正在《趋向贸易》这本书中有比拟精细的先容，通过将回测的数据导出到excel能够杀青这些数据的预备。

　　到这里咱们的课程也差不众学完了，当然这并不代外MQL4编程说话的实质就此完结，这门说话另有许众出格高级的利用，好比说形状的识别，文献挪用，深度神经收集技巧，光阴序列理会，以及搭配C说话做dll来对政策加密等等，这些实质民众能够本身去找原料进修一下。

　　这里说一下做量化的少少感应吧。许众人正在面临手动贸易和量化贸易孰优孰劣的题目时，会说这个天下上不存正在永动机，量化这条门途是哄人的，因此手动更有上风。实在对付天下上不存正在永动机这个见解是比拟无误的，这个商场是会进化的，以前有效的政策许众都市被商场减少掉。然则是否存正在一个正在10年或者20年内有用的政策呢？正在这功夫假使又开辟出一个能够赚20年的政策呢？因此商场变，量化的政策也是能够变的，许众人把量化分解成死的东西，实在错误，由于量化政策后面的人是活的，他能够转换量化政策使其适合商场的改观，因此归根结底仍然人正在做贸易，只可是形式不相同罢了。因此实在问量化和手动孰优孰劣的题目实正在没居心义，手动和量化也只是贸易的形式差别云尔，适合本身的才是最好的。

　　因此EA归根结底只是一个器材，真相好欠好用还正在于用的人，不要盲目崇敬和过分依赖它，没有了就弗成，也不要由于少少很差的EA酿成了亏蚀而对这个东西感触焦躁，视其为粪土，既然它能带给咱们便当，那么咱们就欣然继承就好了，至于结果何如，还不是看用器材的人会不会用了。

　　结果仍然那句话，量化的天下出格大，这里只是给民众掀开了一道门云尔，往后就必要民众本身去探寻了，祝总共亨通~