取別處相比，正在 MQL5 使用商鋪 購置生意業務機器人有一個較著的上風 - 其供應的自動化體系，可直接正在 MetaTrader 5 終端內接受完齊測試。購置前，EA 生意業務能夠、還應該正在內置的計謀測試法式中，以齊部倒霉的形式慎重運轉，進而對此體系有一個齊面的熟悉，注重 MQL5 使用商鋪中供應的每個 EA 生意業務都有試用版本供應。

　　記著：不僅是您在購置生意業務機械人時支付款子方面的風險，也有運用此類生意業務機械人在預期賬戶生意業務所帶來的潛在損失。

　　下面，我們以免費的三種挪動平均線 EA 買賣（直接在 MetaTrader 5 終端下載）為例來研究一下。它是某種基于三種挪動平均線的典范買賣計謀的一種實行。

　　圖一

　　基于測試后果的 EA 生意業務評價法

　　只管沒什么能夠 100% 包管生意業務機器人性能的通用要領，但許可您在 MetaTrader 5 終端戰略測試法式中查抄任何特定生意業務系統主參數的簡樸要領照舊有的。首要要領如下：

　　 隨機延遲形式下的壓力測試，

　 差別生意業務環境下的測試，

　　分歧買賣種類/時候框架的測試，

　　不良歷史數據的事后磨練，

　　延伸汗青周期的事后磨練（繼 EA 交易于 MQL5 利用商鋪中宣布以后），

　　前向測試。

　　另外，對潛在的可疑因素應予留意，比方：

　　 太高的贏利系數，

　　 歷史數據的宏大利潤值，

　　 某交易系統中大批的外部參數，

　　 資金經管的龐大劃定規矩。

　　只管上面所說的全是極度簡樸的使命，但大多的初學者、乃至很多具有肯定水平經歷的生意業務者，要末不清楚其細微的地方，要末不克不及始終會合注意力。再一次提示大師，由 MQL5 使用商鋪下載的任何生意業務機器人，都可以設置為正在 Navigator （導航器）窗口中直接測試。

　　圖二

　　一旦您按下上下文菜單中的 "Test" （測試），就會顯示出帶有您所選 EA 生意業務的計謀測試法式面板。測試所下載 EA 生意業務的一切工作均已停當，我們還干好了認真研討以上評價要領的預備。

　　隨機延遲形式下的壓力測試

　　計謀測試步伐次要設計適用于測試體系的交易規則。也就是說，此計謀測試步伐會模擬全部進程的抱負環境：

　　 發送生意業務懇求，

　　 更新未平倉取掛單的狀況，

　　 獵取買賣事務，

　　 獵取價錢汗青，

　　 測算目標和很多別的事項。

　　一切都旨在用起碼的工夫，完成生意業務計謀的測試和優化。可是，鑒于預期環境中生意業務機器人的操縱遠非抱負和立即，所以使用一種附加的測試形式來模仿某生意業務定單發送與實行之間的隨機延遲，進而強化計謀測試法式。

　　圖三

　　此測試形式會精確地檢驗：

　　 買賣操縱處置懲罰毛病，

　　 調解計謀以順應特定生意業務前提。

　　正在尺度取隨機延遲兩種形式下，運轉單次 EA 生意業務測試后獲得的生意業務后果卻有明顯差別，讓人不能不看重。首先，檢察戰略測試順序日記，由于其所包括的大批生意業務毛病，充足作為不再思索此 EA 生意業務的緣故。而本例中，正在隨機延遲形式下的壓力測試過程中未檢驗到任何此類毛病，這就注解此 EA 生意業務已勝利經由過程測試的前半部份。

　　目前，我們來看看哄騙兩種形式下運轉的單次測試所得到的生意業務后果之間有沒有差別。隨機延遲形式下所獲生意業務數取利潤的大幅縮減，表白此計謀高度依賴于傳輸和生意業務定單履行的質量，并且只能正在特定的抱負條件下紅利。大概大多情況下，開發人員全是正在無意中完成了這一操縱。然則，那樣一個“瑕疵”卻大概釀成您生意業務賬戶的一場災害。

　　圖四

　　本例中，切換到不一樣的買賣定單履行形式并未影響到買賣數目。而測試后果的些微不一樣，用因為從新報價而招致的買賣中涌現的小幅價錢更動完全可以注釋。

　　總結：三種挪動平均線 EA 買賣已經由過程此測試。隨機延遲形式下的壓力測試，并未對買賣后果發生龐大危害。

　　差別生意業務環境下的測試

　　正在 MQL5 運用商鋪中的描寫里指明的前提下，運轉買賣機器人測試。然后連收到另外一經紀人賬戶，并再次運轉此測試。這取之前的壓力測試有些雷同，容許您檢察價錢取買賣前提（點差、容許的止損/贏利水對等）關于買賣后果的危害有多小。

　　比如說，您具有經紀人 A 賬戶上的 EURUSD EA 生意業務測試成果。再次運轉雷同的 EURUSD 測試，只是此次是正在經紀人 B 賬戶。假設兩個成果有很大不一樣，則是重新考慮是不是須要此生意業務機器人的很好來由。

　　另外一買賣種類/工夫框架

　　大多的買賣機器人全是為了施行某特定買賣種類的買賣而研制，有一些乃至還請求必需適用于某特定時候框架。這好像很公道，由于每一款東西都有本身的操縱方法。是以，一般來說，MQL5 運用市肆給予的買賣機器人的描寫中，始終城市指定買賣種類和時候框架。

　　下載一份 EA 生意業務的試用版，并按差別的生意業務種類和（或）周期啟動它。首先，您需求確保 EA 生意業務不容易因嚴重毛病潰逃，或是因在不適宜的啟動條件下運用而向日記增加生意業務毛病新聞。第二，確保可紅利生意業務戰略還沒有因以上設置變換而變得極度虧損 - 呈現曲線擬合處也許會有這類情形發作。

　　為 EA 生意業務放置此類測試最簡樸的辦法之一，即就 Market Watch （市場報價）中選定的一切生意業務種類施行優化。我們正在相稱長的工夫框架 H1、且生成“每一價錢變更”的情況下，于此形式下運轉 EA 生意業務優化，很快就得到了第二個題目的謎底。

　　圖五

　　此優化的成果表明，該計謀有存在的權力，由統計學上展現了每一買賣種類充足的買賣量，且未發生真正的不良成果。注重，我們曾經按默認設置，應用不異參數就 Market Watch 中的全數 13 個買賣種類完成了一次計謀測試。

　　圖六

　　自然，我們還沒有奢望每個 EA 生意業務正在任何生意業務種類和工夫框架上皆一致有用。但行使此法正在戰略測試步伐中檢查一下照樣值得的。它沒有僅會展現出潛正在的代碼毛病，乃至還能夠催生新設法主意。

　　總結：三種挪動平均線 EA 買賣正在差別的買賣種類/時候框架上測試時表示一般。測試時代未見任何顯明代碼毛病。

　　不良歷史數據的事后磨練

　　我們發覺，此 EA 生意業務正在 GBPUSD 上的成果最好。可是，假如這不是一種同等的形態、且這類行動是因為所選的由 2012.01.01 到 2012.09.28 的測試距離、而這類挑選又是地道出于有時得到了有益成果，那末，又會如何呢？為深入研究這一題目，我們就 2011 年采納雷同的參數來測試此 EA 生意業務，并與 2011.01.01-2011.12.31 作為距離。運轉測試，并檢察成果。

　　圖七

　　此 EA 買賣不再有利可圖，并且當即變得乏善可陳。別的，2011 年蒙受的損失，已大大超過了戰略測試法式于 2012.01.01-2012.09.28 間展現的利潤。然則，而今我們知道了潛正在的損失，即便是正在 GBPUSD 上買賣也是一樣。

　　總結： 三種挪動平均線 EA 生意業務須要進一步的開辟，才可以確保關于市場行動轉變的精確主動應對；不然，就要經由過程優化，找到每一個隔斷的最好參數。

　　耽誤汗青周期的事后查驗

　　給出描寫時，生意業務機器人的開發者城市試圖顯現其產物最好的一面，并因而給予針對某特定距離參數最優的講述及測試圖表。因為由生意業務機器人宣布之日到您對其感興趣之時，平常已過去了相稱長的工夫，所以，我們能夠運轉一次所謂的前向測試。

　　前向測試會針對挑選最優參數時未考慮的一段汗青時代施行測試。我們會用 GBPUSD 、正在稍長一點的測試距離內（個中包含自 2012 年 9 月 28 日以后的汗青數據）持續此 EA 買賣的闡明。竣事日期設置為 2012.11.26，由此又加加了近兩個月。所以，正在完成由 2012.01.01 到 2012.11.26 時代的運轉測試以后，我們得到了新的測試圖表：

　　圖八

　　本例中，三種挪動平均線 EA 買賣正在附加短隔斷（前向）顯示的成果，乃至比之前 10 個月殺青的成果皆要好。固然，這類情形還很是稀有。

　　總結： 用 GBPUSD、就延伸汗青時代的三種挪動平均線 EA 買賣測試，未能顯示出買賣參數的任何減弱。

　　前向測試

　　前向測試適用于評價生意業務系統正在不竭轉變的市場行動中的穩定性。經由對戰略測試順序中參數的優化，便可獲得生意業務機械人正在特定時候隔斷內、就歷史數據實現最好狀況的參數。但那樣卻不會確保所獲的參數將同樣地最為合適，即便是適用于行將到來的生意業務也是如斯。

　　開辟自動化買賣系統的買賣者一般都市攪渾優化和曲線擬合之類的觀點。精彩優化取曲線擬合之間的界限其實不顯明，很難找到。而前向測試容許客觀地評價所獲參數，證實確有用武之地。

　　顛末正在 MetaTrader 5 計謀測試法式中的優化以后，您能夠挑選對發生的優化參數進行前向測試，并設置須要的限定。我們操縱以下顯現的設置，運轉我們生意業務機器人的前向測試。

　　圖九

　　前向被設置為 1/4，也就是說，指定的隔斷 2012.01.01- 2012.11.26 會被分為 4 局部。前 3/4 的汗青將被適用于查找最優參數，而最好的 25% 通報（EA 生意業務參數集）則會在盈余的 1/4 汗青數據上接受前向測試。

　　指定要優化的參數 - 我們會挑選那些該當會對生意業務邏輯形成危害的參數。因而，我們將優化賣力資金辦理的參數。

　　圖十

　　以上的組合步調，加上各值的啟動取停滯，就已致使了近 500 萬次的通報。正在給定的環境下，正在優化過程中利用遺傳算法并插手 MQL5 云網絡還不全是沒有事理。

　　所以，我們來研究一下優化成果，此中包羅共耗時 21 分鐘的前向傳送，并破費哄騙云代辦署理施行 4000 屢次傳送的 0.26 積分。成本較量爭論體式格局的示例，請見MQL5 云網絡：您還在較量爭論嗎？

　　圖十一

　　乍一看來，似乎是出錯了。我們搜檢后果，發覺前三個優化參數的值正在全部傳送歷程中都一樣。并且，只有最終兩個參數 Inp_Signal_ThreeEMA_StopLoss 和 Inp_Signal_ThreeEMA_TakeProfit 的值有變更。

　　圖十二

　　有鑒于此，我們能夠做出兩種假定：

　　 這一些參數，尤其是止損取贏利值，事實上都對生意業務成果沒有危害；

　　 遺傳算法未能制止優化時代我們碰到的部分極值。

　　我們一同使用不異的設置和輸入參數從頭優化，以磨練這兩種假定。這一次，前向測試成果圖表看起來有些不一樣了。

　　圖十三

　　作為優化的成果，我們目前能夠看到三個主流。這就意味著，給定生意業務機器人最終兩個優化的參數仍舊顯得有時。

　　總結： GBPUSD 上三種挪動平均線 EA 買賣的優化已標明，買賣邏輯僅取決于 7 個參數中的 3 個。

　　我們一同干最終一次實驗，消弭優化中的不必要參數。而今，我們只有 1650 次通報。

　　圖十四

　　是以，完好的參數搜索比遺傳優化更有意義。這類情況下，MQL5 云網絡會為我們給予更多的代辦署理，而完成這一進程所需的時候還會是以大幅縮短。

　　圖十五

　　此義務由 1000 個云署理正在 7 分鐘內完成，且前向測試圖表看起來不錯。

　　圖十六

　　全部前向時期的大多傳送皆顯示出可紅利，正在初始 10.000 美圓之上的點數比虧損區域中的大許多。看起來有點盼望，但還不可以是以就說，相干參數集將來亦可紅利。

　　交易系統中的參數數目

　　我們有機會看到，并不是全部可適用于設置某買賣機器人的戰略參數，都能平等有效地危害買賣成果。本例 中，Inp_Signal_ThreeEMA_StopLoss 和 Inp_Signal_ThreeEMA_TakeProfit 的值對 EA 買賣性能幾乎沒有危害。可是，遇到具有大批參數設置的買賣機器人的情形卻加倍普遍。

　　大批參數同意您為買賣機器人做出極度正確的設置，進而婚配其性能，以順應極有可能在優化時代展現的特定汗青時代。

　　曲線擬合是指 EA 生意業務正在超越指定隔斷、適用于優化的數據上，極可能就不會顯現取測試數據一樣的紅利程度。并且，更糟糕的是，還可能會發生相稱背面的后果——招致虧損。

　　人們信賴，買賣體系的參數設置越少，已肯定形式將在將來消逝的概率就越小。反過來還一樣 - 體系中的參數越多，市場會維持其取這類經由微調的 EA 買賣同等特性的概率就越小。作為以上內容的證實，我們激烈建議您熟悉優化取實際：來源于 ATC 2011 的證據一文中供應的買賣闡發，下文我們將具體講授。

　　圖十七

　　此圖表所示為全部 2011 年主動買賣錦標賽參與者的買賣成果。縱軸顯現錦標賽竣事后的賬戶余額，而橫軸則顯現 EA 外部參數的數目。EA 買賣則由白色方塊代表。能夠清楚地看得出，正在錦標賽的前向周期開展買賣時，具有大批參數的 EA 買賣皆虧損，最多還便是沒有盈沒有虧。

　　代售生意業務機械人中外部參數的貧乏，還并不可以闡明預置生意業務規則的普遍性，更不可以被視為默默。出于由于某種原因，EA 生意業務的開發者必需直接將外部參數引入生意業務機械人內部。

　　極高的利潤系數

　　很多買賣者不喜歡輸掉買賣，并將此認作是某買賣系統運轉妨礙的顯示。事實上，因為金融市場中買賣的屬性，這一些情形皆不能制止。只要一建倉，任何買賣 終極皆面臨著或贏或輸的局勢。而買賣損失還不可制止，像一切企業一樣，被視為一種自然發生的支付情勢，和不可制止的支出項目。

　　有很多自動化生意業務系統的開發者更是走向極度，試圖將虧損生意業務和毛損的數目降至最低。為實現這一方針，并改進計謀測試法式中也許獲得的成果，他們又加加了同意您幸免虧損生意業務、由此加大利潤系數的分外過濾器。分外過濾器有其本身的參數和設置，進而加大了輸入參數的總量。

　　利潤系數被界說為毛利除以毛損。紅利體系的利潤系數老是大于 1。可是，若是有些人利用過分、利用計謀測試順序過分優化交易體系，則此數字可能會大得多。我們再來看看來源于優化取實際：來源于 ATC 2011 的證據一文中的另外一圖表。

　　圖十八

　　很顯然，幾近所有的利潤系數超高的生意業務機器人，正在汗青數據測試時期，乃至都沒有靠近過正在 2011 年主動生意業務錦標賽前向時期測試的事后磨練成果，幾近損失了統統。這就評釋，計謀測試順序中顯現的超高利潤系數，只是因為調劑計謀以順應某個適用于生意業務機器人優化的特定時間段。

　　基于歷史數據的巨額利潤

　　另外一個驚人的事實，大概便是某生意業務機器人描寫中宣稱的偉大利潤。假如隨附的計謀測試順序呈報顯現了超高余額，那末最有多是取曲線擬合有關。此類“印鈔機”式的開發者乃至沒有意想到，他們的體系曾經過分優化，而且有太多的外部參數。我們用上文提過的呈報優化取實際：來源于 ATC 2011 的證據中的另外一圖表來撐持這一結論。

　　圖十九

　　這類“圣杯”的購買者已成定式，全是沒有經驗、易于被基于歷史數據的巨額利潤蒙騙的人。這類情況下，此類買賣機器人能夠博得利潤的幻象就變得實在且有呼應。

　　資金治理操縱

　　創立一種答應您在計謀測試法式中仔細檢查不良歷史數據，樂成生意業務虧損最小化、回報最大化的生意業務操縱規矩，是應對生意業務機器人畸形開辟的一種最龐大、還最稀有的辦法。它與所謂的資金經管相去甚遠。

　　發明此類擬合的最好方法，便是測試正在汗青時代以外、適用于獲得開發者正在生意業務機器人描寫中所宣稱的成果的數據。擬合范疇越寬，該生意業務機器人通不過測試的概率越大。

　　不必要信任任何人，乃至包羅自身

　　遺憾的是，取任何龐雜的順序一樣，生意業務機器人還大概包括偶然的失誤。除在線生意業務，沒法檢測出這類失誤。沒有任何生意業務機器人的開發者能夠保證其順序 沒有毛病，能夠正確處理全部非標準的狀態。即便是勝利根據測試的 EA 生意業務，將其放入開發者不克不及預感的未知狀態，還大概會犯生意業務毛病，或是因嚴重毛病而潰逃。這類情況下，獨一的隱性包管，大概便是生意業務機器人開發者的經歷和聲望了。

　　并且，已在充足長的時期內涵“旌旗燈號”辦事范疇顯示出主動結果的 EA 買賣，相比之下加倍牢靠也是當仁沒有讓的。沒有管怎樣，萬萬沒有要被將來利潤的計算所擊倒，要記著兩條仍舊有用的劃定規矩：

　　1. 不必要信任任何人，

　　2. 和，任何已往的勝利都不能包管來日誥日的利潤。