反向交易: 减少最大回撤以及在其它市场上测试

简介

在前面的文章中, 我们分析了反向交易策略。我们在两个外汇交易工具中测试了这个策略，我们还尝试使用了不同的指标来提高系统的效率。

结果我们发现反向策略是有效的，能够一年收益大约50%。但是这是一个高风险的策略，因为最大回撤可能超过初始的存款数。使用10000美元的初始存款，在所分析的金融工具中的最大回撤不管使用哪种指标都达到了12000到15000美元。这个变量可以改善吗?这样做会怎样影响到策略的获利能力呢?这将是本文第一部分的主题，

在处理过这个问题之后，我们会继续转到第二个主题 — 我们将会尝试交易除了外汇交易品种之外的各种金融资产。我们将会发现，哪个市场是最适合用于这个交易策略的，在不同市场上进行反向交易是否有任何明显的区别。

在本文中的所有测试中，我们将会使用 M15 时段，而交易链中最大步数设为8。在前面的文章中我们已经描述了选择这些参数值的原因。

另外，在所有的测试中除了GBPUSD和XAGUSD之外，我们将不会使用任何指标。当前面的交易链关闭后，策略在固定的方向上入场，对于 GBPUSD 和 XAGUSD, 入场是根据CCI指标值决定的。测试显示，CCI在上述交易品种中可以提高获利能力。

下面附加的档案包含了所有的SET文件，含有本文中探讨的每个交易品种的EA正确设置，这些设置是用于测试的，结果的利润图表就展示在本文中。

测试中的改变

在本文中进行了更加严格的测试和优化。

首先, 所有的测试都将在基于真实分时的每一分时模式下进行。

第二, 优化的进行将不仅用于最大余额，还用了最大余额加上最小回撤。

这种变化非常容易理解，我们把获利水平设为止损水平的两倍大小，根据哪个反向步骤会触发获利的结果，这会在利润上造成很不稳定。例如，获利在第一步就达到了，可能会带来1美元的利润，而到了最大步数时，净利润将等于10美元 (也就是说，在抵消了交易链中其它没有获利交易的所有亏损之后)。

因为这个原因，使用利润作为优化标准来找到最好的参数不是一直合适，经常会发生相反的情况：使用找到的参数，获利在第一步很难达到。

第三, 测试将在多个经纪商账户中进行。

每个经纪商都提供特定的点差、隔夜息、滑移和单位，所以，结果可能会根据您的经纪商变化很大。让我们来检验这一点，我们将测试三个不同的经纪商。

EA 交易中的变化

在附件中是一个新的 ReverseEA，它与之前发布的版本有所不同。

• 修正了EA交易崩溃的问题，有时候发送订单的时候会发生；
• 除了双倍指数，现在可以在一步或者两步之后再执行双倍交易量；
• 在链中的反向交易步数现在写在订单注释中了 - 这是用于启用在一次或者两次交易之后再增加交易量的;
• 在设置中加入了一个新的复选框 "不要开启第一个交易 (只是管理)";
• 增加了根据时间入场：用来避免在某些时刻、星期或者月中的某天入场交易;
• 增加了一个新的EA交易运行模式: EA 可以关闭所有开启的仓位并在您指定的方向上开启新的订单，并加入对应的注释，然后EA会结束运行。
• 增加了RSI的运行选项;
• 增加了新的选项用于其它指标: CCI 和动量（Momentum）指标。

这里是新特性的一些详细介绍。

新的运行模式. 这个新的 EA 运行模式是用于当您想要关闭当前仓位而立即使用减少的交易量开启一个新的仓位，交易可以是任意方向的，可以与EA默认的方向不同。

例如，如果这是第六次反向交易或者更多，价格走向您的方向，整个反向交易链已经获利，而您担心价格会反转。在这种情况下您可以使用这种模式保留利润并立即在选定的方向上使用初始交易量开始一个新的链。

如需使用这种模式，就要设置开始这种模式时反向交易的步数，参数为 "Open Long trade with this comment and exit" 或者 "Open Short trade with this comment and exit"。

只进行交易的管理. 在前面文章的留言部分提到，使用技术分析来进行交易比使用标准指标或者不使用指标来分析交易的方法能够更好地获利，这绝对是真实的。在您选择的方向上从某个指定水平进场的风险要比在任何时间以固定方向入场小得多，不论现在价格在哪里。

但是技术分析意味着人工工作，而为此正确编程非常困难。但是，如果您想使用技术分析人工交易，那么这个新的EA特性将会对您有用。

新的复选框 "Do not open the first deal (only manage)（不要开始第一个交易，只进行管理）"可以使您人工开始第一个交易，然后让EA来管理它。如果您启用了这个复选框，EA就只会管理已经开启的交易。

第一个交易可以使用新模式 ("Open Long trade with this comment and exit（使用此注释开始买入交易并退出）" 或者 "Open Short trade with this comment and exit（使用此注释开始卖出交易并退出）") 开启。

或者，您也可以使用我的工具 Creating orders with a fixed stop in dollars（以固定资金止损创建订单）。这个工具可以通过指定所需的注释（1-开始链中的第一个交易）和幻数（必须与RevertEA的幻数匹配）来使用固定资金数或者存款比例作为风险建立仓位。

您也可以使用您自己的EA交易，当开启一个交易时可以指定幻数和注释。

请注意，如果您选择了交易管理模式，用于确定链中挂单获利目标的方法也改变了。在正常模式下，链中新订单的获利价格是根据EA的 Take Profit 设置确定的，在管理模式，获利值是由当前仓位的获利和建仓价格之间的差来确定的，也加上了当前的点差值。

所以，获利中利润的点数可能会变化。根据当前的点差和仓位建立时的点差，这个数值可能会有变化，如果第一个仓位开启时的点差或者之前设置订单时的点差等于当前设置订单时的点差，那么两种计算方法就没有区别。如果当前点差比之前的大，那么获利就会变大为当前点差与之前点差的差值，否则，获利的大小就会减少这个差值。

RSI 运行选项. 现在，可以使用三种模式使用 RSI 过滤器:

• 如果当前的RSI值小于或者等于 rsiValMax, 就开启一个买入仓位，否则就跳过; 如果当前的 RSI 值大于或者等于 rsiValMin, 就进行卖出交易，否则跳过;
• 如果当前的 RSI 值大于 rsiValMax, 就开启一个买入仓位，否则跳过; 如果当前 RSI 小于 rsiValMin, 就进行卖出交易，否则跳过;
• 如果当前的 RSI 值大于 rsiValMax, 就开启一个卖出仓位，否则跳过; 如果当前 RSI 小于 rsiValMin, 就进行买入交易，否则跳过;

请注意，在第一种模式中，如果买入和卖出交易都允许，在有些 RSI 值时可能出现一次两个订单。

当交易外汇交易品种时减少风险

怎样才能减少最大回撤呢?

我们已经使用最小手数开始交易了，所以，初始手数不能再减小了。

除了最小手数，我们可以在更多反向步数之后再增加手数，如果我们不增加手数，最大回撤几乎可以减少两倍，但是这还不够。这可以把最大回撤减少到 $6000 - 8000，而可以接受的回撤值是 $3000 - 5000, 也就是初始存款的 30-50%。这样怎样才能做到呢?

这个问题的答案可以在前面的文章中找到。我们的获利值几乎总是等于止损值的至少两倍，这意味着我们不需要每次都把手数加倍就能够获利，我们可以换种方法，每两次或者每三次交易才增加一次手数，

这样我们就会有以下的结果:

• 最大反向交易步数的手数将大幅度减少，所以风险也就降低了;
• 如有必要，反向交易的步数可以增加;
• 利润甚至可以更多，而初始手数可以增加，这可以在前几步增加利润;
• 余额图表将会变得更加平滑。

现在，让我们开始实践。

在前面的文章中，我们只分析了两个金融工具: EURUSD 和 GBPUSD,还有其它一些交易品种能够取得可以接受的结果: USDJPY, AUDJPY, GBPJPY, XAUUSD 和 XAGUSD,让我们把它们加进我们的篮子。

EURUSD. 为了做比较，我们将首先分析每反向步中都做手数加倍的利润图表，图表比前面文章中展示的要稍微差一些，因为测试模式已经变了：现在我们使用 基于真实分时的每一分时模式:

交易品种	交易数	利润因子	最大回撤	利润列	最大连续亏损	止损	获利
EURUSD	3 392	1.45	13 865 (16%)	137 466	22	45	175

使用每隔一步进行手数加倍的相同交易品种:

交易品种	交易数	利润因子	最大回撤	利润列	最大连续亏损	止损	获利	手数
EURUSD	3 392	1.26	3 574 (14%)	24 569	22	45	175	0.02

利润和获利能力都大幅下降，而最大回撤也是如此，这是我们想要得到的。

GBPUSD. 在每一步反转都进行手数加倍的利润图表:

交易品种	交易数	利润因子	最大回撤	利润列	最大连续亏损	止损	获利
GBPUSD	4 218	1.52	13 632 (12%)	153 384	21	40	135

每隔一步使用手数加倍:

交易品种	交易数	利润因子	最大回撤	利润列	最大连续亏损	止损	获利	手数
GBPUSD	4 161	1.24	3 620 (20%)	36 540	22	40	135	0.04

GBPJPY 每隔一步手数加倍:

交易品种	交易数	利润因子	最大回撤	利润列	最大连续亏损	止损	获利	手数
GBPJPY	1 559	1.25	4 892 (22%)	17 534	14	160	380	0.01

USDJPY 每隔一步进行手数加倍:

交易品种	交易数	利润因子	最大回撤	利润列	最大连续亏损	止损	获利	手数
USDJPY	1 787	1.22	3 066 (13%)	13 559	25	60	230	0.02

AUDJPY 每步进行手数加倍:

交易品种	交易数	利润因子	最大回撤	利润列	最大连续亏损	止损	获利	手数
AUDJPY	2 661	1.21	5 275 (18%)	15 902	15	80	130	0.01

在这种情况下，获利小于两倍的止损，所以我们不能在每两步都使用加倍。但是我们在这里不需要它，因为最小手数的最大回撤也不会超过 $6000.

XAUUSD 每两步进行一次手数加倍：

交易品种	交易数	利润因子	最大回撤	利润列	最大连续亏损	止损	获利	手数
XAUUSD	841	1.4	3 263 (13%)	21 250	8	1 700	3 600	0.03

请注意，这种情况下最大连续亏损数不会超过8，也就是意味着，在我们15年内所有的链中，迟早都是以获利结束的。但是，图表也显示出利润不是总能抵消隔夜息造成的亏损。

XAGUSD 每两步进行手数加倍:

交易品种	交易数	利润因子	最大回撤	利润列	最大连续亏损	止损	获利	手数
XAGUSD	401	1.56	5 087 (27%)	19 718	22	4 500	17 500	0.01

您可以看到，白银的波动性比黄金更大，并且经常触发止损，就算是在这种情况下，取得利润的概率已经足够可以增长存款了。

让我们总结并画出所有测试过的交易品种的总体表格。

每两步进行手数加倍:

交易品种	交易数	利润因子	最大回撤	利润列	最大连续亏损	止损	获利	手数
EURUSD	3 392	1.26	3 574 (14%)	24 569	22	45	175	0.02
GBPUSD	4 161	1.24	3 620 (20%)	36 540	22	40	135	0.04
GBPJPY	1 559	1.25	4 892 (22%)	17 534	14	160	380	0.01
USDJPY	1 787	1.22	3 066 (13%)	13 559	25	60	230	0.02
* AUDJPY	2 661	1.21	5 275 (18%)	15 902	15	80	130	0.01
XAUUSD	841	1.4	3 263 (13%)	21 250	8	1 700	3 600	0.03
XAGUSD	401	1.56	5 087 (27%)	19 718	22	4 500	17 500	0.01

* 每步进行手数加倍

我们已经可以把最大回撤减少到可以接受的数值之内了，但是于此同时，我们也损失了很大一部分利润。另外，EURUSD 和 GBPUSD 的图表看起来在每步进行手数加倍时更加平滑。

附加的档案中包含了所有上述交易品种在每步加倍手数和每两步加倍手数时的测试结果，这样，您就可以详细看到交易策略的结果了。

使用不同经纪商进行测试

在前一篇文章的留言部分，提到了测试结果可能根据经纪商的不同差异很大。如果在一个经纪商处测试显示处好的结果，可能换另一个经纪商而取得的结果会差得多。让我们尝试验证它并使用不同的经纪商做测试。

这里是总体的测试结果，主要的结论如下：经纪商确实会影响测试结果，影响非常强，找到的参数可能不适合另一个经纪商。

但是，在为新的经纪商进行另一次优化后，就可以找到获利足够的参数了。这里是参数:

新的经纪商:

交易品种	交易数	利润因子	最大回撤	利润列	最大连续亏损	止损	获利
EURUSD	1 224	1.77	2 635 (17%)	10 116	9	115	205
GBPUSD	3 382	1.25	1 101 (7%)	6 063	11	90	145
GBPJPY	2 179	1.32	900 (6%)	3 437	9	200	215
USDJPY	1 507	1.21	12 358 (45%)	10 222	12	75	220
AUDJPY	1 175	1.48	4 608 (29%)	10 731	9	115	230
GOLD	1006	1.75	15 615 (26%)	78 962	8	1 400	2 500
SILVER	275	2.51	4 588 (14%)	28 077	8	85	215

现在，这里是图表。.

AUDJPY:

EURUSD:

GBPJPY:

GBPUSD:

GOLD:

Silver:

在所有的测试中都使用了每步手数加倍，利润要比第一个经纪商低得多。但请看看最大回撤和最大连续亏损序列数量，在大多数情况下，在第二个测试系列中的数值都更差，在有些情况下，可以通过增加初始手数2倍或者更高倍数，而最大回撤也会增加。

为什么对于不同的经纪商适合的参数集也不同呢?有个经纪商可能有更加准确的历史数据，但是如果是第二个经纪商提供了更加准确的数据，则找到针对这个经纪商的参数将对第一个也适合。我验证了这一点: 在第二个经纪商处找到的参数在第一个经纪商中产生了亏损的结果 (或者比使用本地参数要差得多).

所以，测试结果可能确实依赖于经纪商。问题是你是否相信你的经纪商，如果你相信，您就可以使用您经纪商的数据来测试EA，希望提供给你的是正确的数据。如果不是，那么为什么你用这个经纪商交易呢?

不论如何，如果您想要使用这个交易策略，您应当优化EA的参数来找到最佳的数值，而不是使用我给你的数值。

其它外汇交易品种

反向交易不是圣杯，不是在哪里都起作用。为了证明这一点，这里是其它外汇交易品种的“最佳”测试结果。

AUDUSD:

NZDUSD:

USDCAD:

USDCHF:

股票市场

外汇交易不是世界上唯一的市场，也许这并不是使用反向技术的最佳市场?至少有很大数量的外汇交易品种使用反向技术并没有显示好的结果，可以作为证据。

外汇交易可以当成一个振荡的市场，而股票市场是有趋势的。反向技术在长期趋势中可以更好吗?让我们验证这个假设。因为我们乐观并假设股票价格将会上涨，链中的第一个交易将永远是买入，

我们将会同时使用三个经纪商来测试策略，它们提供了不同的交易条件，让我们看看不同的条件会怎样影响结果。

第一个表格包含了经纪商提供的所有交易品种的总体结果，在表格之后，我们将会做出一些结论，然后我们将会简要查看余额图表。

所有下面的表格 (针对所有市场) 都包含相同的列，一般来说，它们的内容从列名就很清楚了，让我们另外探讨其中一些列的内容:

• 当前价格 — 写这篇文章时证券的价格。提供这个是为了比较所有交易品种进行分析 (价格越高，交易品种的维持保证金就越高，所以同时能够交易的资产数量和手数就要减少);
• 年度 % - 这个数值是按照下面的公式来计算的: ((利润/最大回撤)*100)/可用历史数据的年数, 这是一个近似值，也是用于比较分析而在这里提供的。
• 开始 — 交易品种历史数据中的开始时间 (也就是说，测试从这个时间开始，而在2018年8月到9月结束);
• 最大亏损 — 最大连续亏损数量, 也就是说我们达到获利所需的链的深度;
• 买入/卖出隔夜息 (L%) — 交易品种币别的滚动手续费，当仓位移到下一天后您必须支付 (如果隔夜息是正的就会付给您)，分别针对买入和卖出仓位，以及相当于买入仓位价格的百分比。

下面的参数在表格中突出显示:

• 在TP列中使用黄色，显示了这个交易品种的获利值是止损值的两倍 (或者更多);
• 在TP 列中使用红色，显示了获利比止损没有大很多，所以进一步的隔夜息或者更多步数可能会引起利润的损失甚至造成亏损;
• 开始列中使用红色，显示的是测试时间段不超过一年，可能不足以准确确定合适的参数;
• 买入/卖出隔夜息 (L%) 是红色，显示了每日百分数值高于资产价格的0.07%;
• 买入/卖出隔夜息 (L%) 是黄色显示的是每日百分数值低于资产价格的 0.07% ;
• 最大亏损中的红色显示此交易品种至少有一系列亏损超过了最大值;
• 年度百分数 列是红色显示的是年度收益低于 15%;
• 年度百分数列是黄色显示的是年度收益高于40%, 而交易品种本身的历史超过了5年;
• 获利列的红色显示的是交易品种的获利值小于 1.2;
• 交易总数列的红色显示的是在测试期间交易数少于100，这样结果可能不是完全准确，因为我们没有足够的统计数据;
• 交易品种列的红色显示的是造成亏损的品种;
• 交易品种列的黄色显示的是年利润超过 100%, 并且价格不超过 $100 的交易品种。

现在，让我们开始测试，我们将从经纪商 #1 开始。

经纪商 #1

与其它测试过的经纪商相比，经纪商 1 在股票市场交易方面有如下特性:

• 卖出操作的隔夜息是正的，也就是说在隔夜息操作中您有额外的利润，而不是损失;
• 对于买入仓位您会收到利息，
• 而对于资产的卖出仓位，您就会损失利息。
• 买入仓位的隔夜息比其它经纪商提供的要多，

当然，策略测试器不会考虑利息，不论是您可能从买入仓位中收到的还是要从卖出仓位中被收取的。从其它方面看，测试结果看起来比其它经纪商更可靠。这点会晚些时候解释。

交易品种	交易总数	每年交易次数	利润因子	当前价格	最大回撤	利润列	年百分率	最大亏损	隔夜息 买入/卖出 (L%)	开始	止损	获利
Adidas	295	118	1.51	211	534	1 873	140 %	6	- 0.1 | 0.01 (0.047%)	2016.01	220	465
Adobe	180	72	1.23	262	228	220	38 %	5	- 0.13 | 0.02 (0.048%)	2016.01	350	460
Aeroflot	33	~65	3.13	109	11	42	~760 %	4	- 0.1 | 0.03 (0.095%)	2018.02	310	800
Alcoa	2 319	165	1.34	43	455	2 620	41 %	8	- 0.027 | 0.004 (0.065%)	2004.06	125	190
Amazon	723	289	1.32	1 929	1 577	5 969	151 %	6	- 0.9 | 0.14 (0.047%)	2016.01	960	1 630
American_Express	990	70	1.17	110	567	1 099	13 %	14	- 0.06 | 0.01 (0.052%)	2004.06	105	245
Apple	1 115	82	1.55	219	549	5 164	69 %	6	- 0.11 | 0.02 (0.048%)	2005.01	520	690
ATT	210	15	1.68	34	269	795	21 %	7	- 0.02 | 0.003 (0.065%)	2004.06	120	240
Baidu	350	140	1.6	229	327	1 597	195 %	6	- 0.15 | 0.02 (0.067%)	2016.01	370	610
Banco_Santander	49	19	4.01	32	183	571	124 %	7	- 0.02 | 0.003 (0.061%)	2016.02	50	275
Bank_of_America	476	32	1.27	31	87	282	22 %	5	- 0.02 | 0.003 (0.062%)	2004.04	130	175
Bayer	81	54	1.72	76	525	454	57 %	7	- 0.05 | 0.006 (0.069%)	2017.01	200	355
BMW	137	54	1.49	85	120	333	111 %	5	- 0.05 | 0.005 (0.059%)	2016.01	215	335
Boeing	505	36	0.92	370	2 068	-663	-	3	- 0.21 | 0.03 (0.057%)	2004.06	350	625
Caterpillar	576	41	1.27	156	457	956	14 %	6	- 0.09 | 0.01 (0.057%)	2004.06	300	400
Celgene	132	88	2.43	88	285	1 155	270 %	6	- 0.05 | 0.008 (0.062%)	2017.01	185	355
ChinaMobile	812	56	1.25	48	255	807	22 %	7	- 0.03 | 0.004 (0.058%)	2004.04	150	230
Cisco	229	21	1.73	48	343	1 099	30 %	8	- 0.03 | 0.004 (0.055%)	2008.01	75	245
Citigroup	386	26	2.48	74	3 258	31 752	69 %	9	- 0.04 | 0.007 (0.06%)	2004.04	980	1 660
Coca–Cola	495	35	1.37	46	115	395	24 %	6	- 0.026 | 0.004 (0.057%)	2004.06	130	140
Daimler	54	36	1.86	57	19	63	221 %	3	- 0.04 | 0.004 (0.07%)	2017.01	160	210
Deutsche_Bank	168	67	1.94	10	53	301	227 %	5	- 0.007 | 0.0008 (0.069%)	2016.01	55	95
Disney	463	33	1.06	110	750	123	1 %	7	- 0.06 | 0.01 (0.055%)	2004.06	160	260
Dropbox	34	~65	2.3	26	35	82	~468 %	4	- 0.02 | 0.003 (0.072%)	2018.04	95	235
eBay	84	33	1.47	34	36	110	122 %	3	- 0.025 | 0.004 (0.077%)	2016.01	110	135
ENI	38	25	2.18	16	51	83	108 %	6	- 0.007 | 0.0009 (0.046%)	2017.01	30	70
EOC	186	74	1.16	20	67	40	23 %	6	- 0.016 | 0.002 (0.084%)	2016.02	50	85
Estee_Lauder	110	36	1.44	143	113	242	71 %	5	- 0.08 | 0.01 (0.059%)	2015.10	230	390
Ethan_Allen	222	74	1.39	21	55	106	64 %	6	- 0.014 | 0.002 (0.068%)	2015.10	80	110
Exxon	1 250	89	1.39	85	801	2 573	22 %	10	- 0.05 | 0.007 (0.053%)	2004.06	115	240
Facebook	398	66	1.12	164	353	225	10 %	10	- 0.11 | 0.016 (0.065%)	2012.05	280	380
Ferrari	105	35	1.98	137	120	481	133 %	5	- 0.07 | 0.01 (0.053%)	2015.10	200	550
Ford	145	10	1.93	9	53	247	30 %	5	- 0.006 | 0.001 (0.065%)	2004.04	85	170
Gazprom	355	236	1.3	158	19	41	143 %	6	- 0.11 | 0.03 (0.071%)	2017.03	150	180
General_Electrics	558	39	1.48	12	126	468	26 %	6	- 0.008 | 0.001 (0.073%)	2004.06	70	115
Goldman_Sachs	164	65	1.6	235	385	1 071	111 %	6	- 0.16 | 0.02 (0.067%)	2016.01	410	770
Google	902	200	1.1	1 184	3 743	2 818	18 %	7	- 0.65 | 0.1 (0.055%)	2014.04	800	1550
Harley_Davidson	677	56	1.29	45	342	906	22 %	7	- 0.026 | 0.004 (0.06%)	2006.08	160	220
Hewlett_Packard	766	54	1.28	25	116	412	25 %	6	- 0.014 | 0.002 (0.055%)	2004.06	105	130
Home_Depot	151	10	1.04	212	1 448	137	1 %	8	- 0.11 | 0.017 (0.052%)	2004.06	350	640
IBM	949	67	1.4	151	882	3 571	28 %	9	- 0.09 | 0.014 (0.062%)	2004.06	210	430
Inditex	48	32	2.24	27	61	184	201 %	6	- 0.03 | 0.004 (0.112%)	2017.01	60	180
Intel	247	17	1.59	46	50	267	38 %	5	- 0.013 | 0.001 (0.029%)	2004.06	130	190
Johnson&Johnson	512	36	1.1	142	676	219	2 %	7	- 0.08 | 0.01 (0.055%)	2004.06	190	210
JPMorgan	836	59	1.25	118	360	818	18 %	7	- 0.07 | 0.01 (0.059%)	2004.06	145	220
Lenovo	15	5	4.95	5	51	152	99 %	5	- 0.002 | 0.0003 (0.044%)	2015.11	20	180
Lukoil	188	125	1.26	4 732	1 845	2 094	75 %	7	- 3.02 | 0.9 (0.062%)	2017.03	430	830
Mastercard	544	45	1.04	221	455	105	1 %	6	- 0.11 | 0.016 (0.048%)	2006.05	170	285
McDonald	431	30	1.19	163	467	554	8 %	7	- 0.09 | 0.014 (0.055%)	2004.06	180	350
Michael_Kors	98	32	1.94	72	57	247	144 %	4	- 0.037 | 0.005 (0.056%)	2015.10	190	330
Microsoft	241	17	1.48	114	370	1 024	14 %	5	- 0.06 | 0.008 (0.049%)	2004.06	130	330
MTS	60	~120	1.81	273	46	92	~400 %	5	- 0.24 | 0.07 (0.086%)	2018.02	420	895
Netflix	86	~160	2.1	364	80	613	~1 532 %	3	- 0.18 | 0.03 (0.047%)	2018.02	570	580
Nike	161	11	1.16	85	272	160	4 %	7	- 0.04 | 0.006 (0.047%)	2004.04	165	320
Nintendo_US	318	159	1.41	46	18	88	244 %	4	- 0.034 | 0.005 (0.075%)	2016.08	55	80
Nornickel	74	~140	1.4	11 904	523	1 194	~456 %	3	- 8.52 | 2.68 (0.072%)	2018.02	200	310
Novatek	50	~100	1.66	1 115	48	83	~345 %	3	- 0.54 | 0.17 (0.05%)	2018.02	160	210
nVidia	338	135	1.12	265	691	431	24 %	6	- 0.14 | 0.02 (0.054%)	2016.01	350	560
Oracle	99	39	2.39	50	28	160	228 %	3	- 0.03 | 0.004 (0.059%)	2016.01	80	150
Petrobras	336	23	1.6	11	86	620	51 %	5	- 0.008 | 0.001 (0.075%)	2004.04	240	300
PetroChina	755	53	1.61	77	762	4 263	39 %	6	- 0.04 | 0.006 (0.053%)	2004.06	310	680
Pfizer	158	11	1.47	44	231	432	13 %	7	- 0.02 | 0.003 (0.049%)	2004.06	105	230
Philip_Morris	431	41	1.04	82	484	88	1 %	7	- 0.064 | 0.01 (0.079%)	2008.04	200	260
Procter&Gamble	568	40	1.07	85	467	122	1 %	9	- 0.047 | 0.007 (0.057%)	2004.06	150	185
PVH	421	140	1.07	142	194	114	19 %	6	- 0.09 | 0.013 (0.062%)	2015.10	220	230
Ralph_Lauren	227	75	1.71	136	385	1 114	96 %	6	- 0.06 | 0.01 (0.048%)	2015.10	220	460
Rosneft	81	~150	1.82	436	36	96	~532 %	5	- 0.25 | 0.08 (0.055%)	2018.02	510	910
Salesforce	109	43	2.19	156	81	413	203 %	4	- 0.07 | 0.01 (0.046%)	2016.01	210	480
Sberbank	202	134	1.37	192	45	79	117 %	5	- 0.034 | 0.005 (0.017%)	2017.03	420	510
Snap	89	59	1.97	9	44	222	336 %	4	- 0.01 | 0.001 (0.121%)	2017.03	75	135
Spotify	153	~300	1.45	174	34	150	~882 %	3	- 0.13 | 0.02 (0.076%)	2018.04	250	280
SQM	151	60	1.79	48	44	233	211 %	4	- 0.03 | 0.004 (0.061%)	2016.01	125	240
Starbucks	227	15	1.68	57	38	245	46 %	4	- 0.002 | 0 (0.0001%)	2004.04	160	195
Tencent	209	69	2.56	332	46	454	328 %	5	- 0.24 | 0.03 (0.074%)	2015.11	450	1500
Tesla	1 731	216	1.07	296	2 003	1 209	7 %	11	- 0.2 | 0.03 (0.067%)	2010.07	500	570
Tiffany	87	29	2.48	127	64	347	180 %	4	- 0.06 | 0.01 (0.049%)	2015.10	220	500
Toyota	150	60	1.49	124	145	250	68 %	5	- 0.08 | 0.012 (0.063%)	2016.01	140	330
Travelers	129	11	1.22	134	1 257	631	4 %	7	- 0.08 | 0.013 (0.063%)	2007.03	330	670
TripAdvisor	240	96	1.5	49	98	305	124 %	5	- 0.023 | 0.003 (0.047%)	2016.01	155	195
Twitter	89	35	2.44	29	29	220	303 %	4	- 0.02 | 0.003 (0.07%)	2016.01	120	240
UnitedHealth	1 131	78	0.75	266	1 878	-1 816	-	5	- 0.14 | 0.02 (0.051%)	2004.04	170	250
Vale	62	13	1.76	15	36	116	71 %	3	- 0.008 | 0.001 (0.055%)	2014.04	85	115
Verizon	275	19	1.29	54	115	200	12 %	5	- 0.03 | 0.004 (0.054%)	2004.06	145	210
VF	92	31	2.26	92	33	211	213 %	3	- 0.044 | 0.007 (0.049%)	2015.10	180	320
Visa	97	6	0.83	149	269	-91	-	3	- 0.07 | 0.01 (0.049%)	2004.04	290	440
Vodafone	118	29	1.54	22	57	100	43 %	5	- 0.016 | 0.002 (0.075%)	2014.06	75	150
Volkswagen	397	158	1.13	152	1 090	610	22 %	12	- 0.09 | 0.01 (0.06%)	2016.01	200	400
Wells_Fargo	90	60	1.85	54	11	70	424 %	3	- 0.034 | 0.005 (0.064%)	2017.01	110	155
Williams_Sonoma	531	177	1.17	66	213	203	31 %	6	- 0.03 | 0.005 (0.049%)	2015.10	100	135
Yandex	530	75	1.52	33	393	2 006	72 %	6	- 0.024 | 0.003 (0.074%)	2011.05	95	150

从表格中可以看到，反向技术在几乎所有的股票市场产品中都能获利，即使不做入场点的研究。90支股票中只有三个交易品种的止损与获利比例无法找到。

现在，让我们看看从其它经纪商中取得的结果。

对于经纪商 #1 没有余额图表, 因为无法分析所有90个余额图表。如果您想详细了解资产，您可以在附件中的策略测试器报告中找到图表。

但是，让我们首先分析使用黄色标记的交易品种余额图，它们的历史都超过3年。

Ethan Allen:

Michael Kors:

Petrobras:

Starbucks:

Tencent:

Tiffany:

Vale:

VF:

经纪商 #2

这个经纪商比第一个经纪商的好处是隔夜息非常少。隔夜息对于所有的股票市场交易品种是相同的，对于买入仓位，它每年等于开盘价格的6%（每天0.016%），对于卖出仓位，它每年等于开盘价格的3%（每天0.008%）。

把0.016%的隔夜息与经纪商1 = 0.055%来比较，它几乎少了3.5倍。

但是，也有一些缺点。

• 卖出交易的隔夜息是负的，所以经纪商1会为您的隔夜仓位付钱，而经纪商2则会收费 (尽管比买入仓位少两倍);
• 对买入仓位不会付利息；
• 也有好的方面 - 对于卖出仓位也不会收取利息。

在我们探讨测试结果的表格之前，应当注意的是这些结果不是完全正确的，策略测试器实际上会忽略这个经纪商的隔夜息。在整个测试期间隔夜息造成的损失通常只有几分钱，而在实际交易中，经纪商的隔夜息要多得多。还要注意的是，每年交易的数量对大多数资产来说都比较少，这就意味着隔夜息可能会抵消利润的很大部分。

所以，在您自己的测试中您应当要考虑到这个因素。对这样的经纪商可以使用伊斯兰账户，也就是说，没有隔夜息的账户，而手续费按每次交易收取，不论您持仓多长时间。但是，在策略测试器中经纪商的手续费也是被忽略掉的。

交易品种	交易总数	每年交易次数	利润因子	当前价格	最大回撤	利润列	年百分率	最大亏损	开始	止损	获利
AAPL	477	86	1.5	217	132	739	101 %	5	2013.01	250	310
ADBE	224	40	2.02	260	102	825	147 %	4	2013.01	340	500
AMZN	642	116	1.78	1 911	602	8 956	270 %	5	2013.01	1 440	2 040
ATVI	395	71	1.29	80	56	197	63 %	5	2013.01	135	140
BA	980	178	1.4	371	229	1 308	103 %	6	2013.01	280	310
BAC	72	13	1.57	30	35	77	40 %	4	2013.01	115	145
BRK.B	377	68	1.58	220	326	1 106	61 %	7	2013.01	210	310
C	339	61	1.3	73	124	299	43 %	6	2013.01	140	180
CAT	398	72	1.6	156	117	624	96 %	5	2013.01	260	280
CMCSA	46	8	2.88	37	47	179	69 %	4	2013.01	115	315
CSCO	127	36	1.68	48	42	133	90 %	5	2015.01	90	125
CVX	732	133	1.35	120	296	586	35 %	7	2013.01	165	180
DAL	312	56	1.67	59	407	997	44 %	11	2013.01	110	245
DIS	568	103	1.25	110	439	460	19 %	10	2013.01	135	195
EA	745	135	1.48	114	170	961	102 %	6	2013.01	140	200
EBAY	141	25	1.25	34	63	72	20 %	6	2013.01	130	145
FB	384	69	1.52	162	129	699	98 %	5	2013.01	310	380
FOXA	265	48	1.6	44	47	200	77 %	4	2013.01	90	120
GE	272	49	1.58	12	49	172	63 %	6	2013.01	55	80
GM	232	42	1.67	35	353	552	28 %	7	2013.01	115	150
GOOGL	715	130	1.89	1 172	2 851	15 477	98 %	7	2013.01	1 100	1 660
GS	197	35	1.52	235	273	819	54 %	5	2013.01	690	750
HPE	90	30	1.97	16	27	100	123 %	4	2015.11	55	70
IBM	239	43	1.73	150	332	900	49 %	6	2013.01	350	510
INTC	167	30	1.93	46	23	208	164 %	4	2013.01	130	180
JNJ	207	37	1.78	142	77	364	85 %	4	2013.01	240	280
JPM	589	107	1.39	117	133	460	62 %	6	2013.01	125	145
KO	107	19	2.13	46	29	151	94 %	4	2013.01	100	160
LLY	337	61	1.97	106	222	1 310	107 %	7	2013.01	120	275
MCD	219	39	1.71	164	86	350	73 %	4	2013.01	280	290
MMM	448	81	1.23	216	334	537	29 %	6	2013.01	260	310
MON	347	63	1.56	127	58	393	123 %	4	2013.01	210	230
MSFT	186	33	2.09	113	70	476	123 %	5	2013.01	150	275
NEM	439	79	1.56	31	66	378	104 %	9	2013.01	100	135
NFLX	417	75	1.58	360	339	1 634	87 %	4	2013.01	510	660
NKE	176	32	2.24	85	121	741	111 %	6	2013.01	135	275
NVDA	738	133	1.58	262	210	1 339	115 %	6	2013.01	300	330
ORCL	237	43	1.67	50	57	271	86 %	5	2013.01	90	150
PEP	369	67	1.52	114	94	353	68 %	5	2013.01	140	175
PFE	97	17	1.75	44	30	122	73 %	4	2013.01	120	165
PG	340	61	1.57	85	108	433	72 %	6	2013.01	115	175
PM	562	102	1.43	83	160	503	57 %	6	2013.01	125	155
PRU	690	125	1.34	104	159	586	67 %	6	2013.01	150	185
PYPL	141	47	2.31	90	69	590	285 %	5	2015.07	135	315
SBUX	266	48	1.54	57	55	221	73 %	5	2013.01	130	160
TWX	140	25	1.85	98	156	408	47 %	5	2013.01	255	345
UPS	59	10	2.98	118	42	325	140 %	3	2013.01	350	650
VZ	182	33	2.27	54	79	570	131 %	6	2013.01	95	200
WFC	329	59	1.45	55	180	293	29 %	7	2013.01	100	130
WMT	315	57	1.38	95	381	453	21 %	7	2013.01	140	175
XOM	523	95	1.26	85	603	844	25 %	12	2013.01	105	200

与经纪商 #1 不同, 这个经纪商在应用我们的策略时没有任何亏损的交易品种，也许这是因为在策略测试器中没有隔夜息和手续费。另一个可能的原因是测试时间比较短，只有5年。而经纪商 #1 对一些工具提供了14 年的历史。

现在让我们查看测试交易品种的余额图表。

AAPL:

ADBE:

AMZN:

ATVI:

BA:

BAC:

BRKB:

C:

CAT:

CMCSA:

CSCO:

CVX:

DAL:

DIS:

EA:

EBAY:

FB:

FOXA:

GE:

GM:

GOOGL:

GS:

HPE:

IBM:

INTC:

JNJ:

JPM:

KO:

LLY:

MCD:

MMM:

MON:

MSFT:

NEM:

NFLX:

NKE:

NVDA:

ORCL:

PEP:

PFE:

PG:

PM:

PRU:

PYPL:

SBUX:

TWX:

UPS:

VZ:

WFC:

WMT:

XOM:

经纪商 #3

现在让我们检验第三个经纪商的结果，这个经纪商也提供了伊斯兰账户，很明显，这就是为什么策略测试器也忽略了隔夜息。但是它考虑到了手续费，所以测试结果更加真实。当然，您也应当使用无隔夜息的账户来交易。

不是伊斯兰账户的，该经纪商的隔夜息对买入和卖出仓位都是负的。买入仓位的隔夜息是每年资产价格的2.5%（每天0.007%），卖出仓位的隔夜息是每年资产价格的1.5%（每天0.004%）。

交易品种	交易总数	每年交易次数	利润因子	当前价格	最大回撤	利润列	年百分率	最大亏损	开始	止损	获利
#AA	624	56	2.4	43	136	1 782	119 %	6	2007.07	90	135
#AIG	328	29	1.5	54	119	497	37 %	5	2007.07	240	270
#GE	354	32	1.92	12	91	580	57 %	5	2007.07	60	145
#HPQ	471	42	1.83	25	211	1 203	51 %	6	2007.07	90	195
#INTC	300	27	1.68	46	137	651	43 %	6	2007.07	90	195
#IP	154	14	1.91	54	104	488	42 %	5	2007.07	210	350
#KO	491	44	1.34	46	87	302	31 %	6	2007.07	110	130
#MO	160	14	1.45	62	72	202	25 %	5	2007.07	185	250
#PFE	245	22	1.47	44	32	115	32 %	6	2007.07	100	110
#T	292	26	1.5	33	109	378	31 %	6	2007.07	95	145
#VZ	201	18	1.65	54	52	257	44 %	4	2007.07	165	210

您可以看到，这些结果一般在第一个和第二个经纪商之间，没有发现亏损的交易品种。但是，每年的利润百分比要比第二个经纪商少。

AA:

AIG:

GE:

HPQ:

INTC:

IP:

MO:

PFE:

T:

VZ:

让我们总结一下，

从测试结果中可以看到，股票市场对使用反转技巧非常适合。几乎所有的金融工具都能够获利。交易策略的行为在股票市场上与外汇市场相比有一些差异,

最重要的差别是在大多数情况下获利都不能超过双倍的止损值。在策略测试器中找到的最佳变量经常是止损要大于获利，但是，我没有把它们包含进表格中，因为我不相信这样的变量 - 这是因为是在市场不断上涨的时候获利的，所以，获利总是在第一次交易的时候取得。如果市场有改变，而获利至少从第二个交易开始触发的话，利润就没有那么多了。所以获利单的利润将会比整个链的亏损要少。

在您冲入股票市场交易之前，要注意下面的规则。资产可用的历史越长，每年利润的百分率就越低，具有12年历史的交易品种中几乎没有每年超过50%的。而几乎所有历史少于两年的交易品种都显示出超过200%的利润。

因为这个原因，您应当选择有较长历史阶段的资产来做长线交易，它们会有更好的结果。而在更短测试时间段的交易品种中，您只是没有遇到过每步都触及止损的时候。

不要忘记跳空缺口和多的隔夜息，您测试中的利润可能会在实际交易中转化为亏损。特别是获利值几乎等于止损值的时候。这里有一个 Spotify 交易品种的例子，我无法使它成功。在实际交易中，有8个交易的链，每个都是通过获利关闭，但是交易的结果是亏损了3美元，因为经常在不想要的方向上出现大的跳空缺口，并且隔夜息很高。也许这对此资产不是一段好的十七，因为没有链是在第一步就达到获利的。所以，也许在其它的时间能够抵消亏损并带来利润。另外，在策略测试器中显示，每年的增长超过700%，然而，我必须从真实交易集合中删除这个交易品种。

农产品市场，商品，金属

农产品、商品和金属市场可以当成振荡的市场，然而，它们与外汇市场的差别至少是商品价格被季节和天气条件的影响更大，

尽管市场是振荡的，我们将会从买入交易开始 - 至少这是一个简单的方案。

经纪商 #1

交易品种	交易总数	每年交易次数	利润因子	当前价格	最大回撤	利润列	年百分率	最大亏损	隔夜息 买入/卖出 (L%)	开始	止损	获利
COFFEE	305	152	2.22	99	268	2 842	530 %	5	- 0.018 | - 0.01 (0.019%)	2016.09	120	240
CORN	481	240	1.36	356	135	397	147 %	6	- 0.05 | - 0.03 (0.015%)	2016.09	250	325
SOYBEAN	277	138	1.47	845	801	1 856	115 %	7	- 0.14 | - 0.08 (0.017%)	2016.09	950	1600
SUGAR	29	14	2.78	11	138	541	196 %	3	- 0.002 | - 0.001 (0.02%)	2016.09	70	170
WHEAT	106	53	1.98	518	247	908	183 %	5	- 0.064 | - 0.036 (0.012%)	2016.09	1 175	2 000
COCOA	75	37	1.78	2 156	441	873	98 %	17	- 0.28 | - 0.16 (0.013%)	2016.09	64	155
CL	2 677	223	1.14	71	13 345	19 942	12 %	12	- 0.003 | 0.0001 (0.004%)	2006.09	100	190
HO	4 716	410	1.17	2	8 891	39 846	38 %	23	- 0.0001 | 0.00002 (0.005%)	2007.01	200	460
NG	235	19	2.1	2	14 515	61 996	36 %	13	- 0.0004 | - 0.0002 (0.014%)	2006.11	24	90
WT	1 938	161	1.22	71	14 730	42 437	24 %	15	- 0.003 | 0.0001 (0.004%)	2006.09	105	345
BRN	827	75	1.59	78	4 832	28 274	53 %	10	- 0.003 | 0.0001 (0.004%)	2007.08	175	345
PA	1 525	138	1.23	1 041	4 784	19 013	36 %	16	- 0.14 | - 0.08 (0.013%)	2007.11	880	2 540
HG	2 233	203	1.24	2	5 589	18 067	29 %	8	- 0.0005 | - 0.0003 (0.016%)	2007.06	460	650

总体看来，在所有的产品中都能获利。阿富汗市场的交易品种带来的利润大得多，但是这可能是因为测试时间比较有限。但是，利润比股票市场还是差得很远。

另外，与石油和天然气相关的交易品种对于卖出仓位的隔夜息是正的。

COFFEE:

COCOA:

CORN:

SOYBEAN:

WHEAT:

HO:

HG:

NG:

BRN:

WT:

经纪商 #2

经济商 #2 只支持石油的交易，所以表格将会较小。

这里，隔夜息是负的，并且对于买入仓位每年等于仓位建仓价格的6%（每天 0.016%），而对于卖出仓位是每年3%(每天0.008%）。经纪商 #1 对类似交易品种提供的隔夜息要好得多。

交易品种	交易总数	每年交易次数	利润因子	当前价格	最大回撤	利润列	年百分率	最大亏损	开始	止损	获利
Brent	710	142	1.54	78	8 721	32 934	75 %	21	2013.09	70	275
WTI	346	173	1.61	71	893	3 700	207 %	6	2016.07	90	130

这一次策略测试器考虑了隔夜息。

Brent:

WTI:

让我们总结一下，

可以根据这些交易品种下如下结论: 这里也可以使用反向交易。

ETF 和指数

指数包含了多个股票，它表示它们是否有明确的趋势。与此同时，它们的波动性应当比单一的股票要小得多，因为大量的股票可以平滑掉它们其中一些巨大的波动。让我们看一下这些特性如何影响测试结果。

经纪商 #2

与股票市场类似，隔夜息对于所有品种都是一样的，对于买入仓位，每年等于仓位开盘价格的6%（每天0.016%），而对于卖出仓位是每年3%（每天0.008%）。

交易品种	每年交易次数	利润因子	当前价格	最大回撤	利润列	年百分率	最大亏损	开始	止损	获利
US500Cash	262	2.42	2926	4 276	26 996	631 %	14	2017.12	95	400
US30Cash	624	1.53	26 713	22 633	85 694	378 %	7	2017.12	840	1 640
USTECHCash	69	3	7 516	765	6 998	914 %	2	2017.12	1 000	1 420

使用这个经纪商的测试结果看起来挺好，但是结果不是很可靠，因为可用的历史数据还不到一年。另外，这一年的波动较大，有很大的趋势变化。所以这一年对于我们的交易策略非常理想。

US500Cash:

US30Cash:

USTECHCash:

经纪商#1, 指数

交易品种	交易总数	每年交易次数	利润因子	当前价格	最大回撤	利润列	年百分率	最大亏损	隔夜息 买入/卖出 (L%)	开始	止损	获利
ES	648	51	1.5	2 939	4 192	10 832	20 %	10	- 0.36 | - 0.2 (0.012%)	2006.01	1 950	4 200
NQ	1 829	146	1.33	7 585	2 793	9 014	26 %	8	- 0.87 | - 0.49 (0.011%)	2006.04	3 250	4 400
TF	569	51	1.2	1 721	7 603	9 385	11 %	13	- 0.21 | - 0.12 (0.012%)	2007.08	185	340
YM	1 334	106	1.46	26 762	2 797	20 089	59 %	7	- 3.18 | -1.79 (0.012%)	2006.04	155	210
FDAX	1 727	138	1.18	12 402	10 631	21 110	15 %	9	- 1.48 | - 1.23 (0.012%)	2006.01	680	1 820
FESX	77	6	1.95	3 412	10 996	33 318	24 %	7	- 0.43 | - 0.35 (0.012%)	2006.01	175	430
FTI	1 405	117	1.36	549	5 536	23 869	35 %	8	- 0.06 | - 0.05 (0.011%)	2006.09	375	780
IBX	72	48	1.61	9 560	2 114	3 255	102 %	7	- 1.25 | - 1.03 (0.013%)	2017.01	125	245
MIB	70	46	1.62	21 400	583	1 154	131 %	4	- 2.66 | - 2.21 (0.012%)	2017.01	380	450
Russia50	142	94	1.13	1 129	360	159	29 %	6	- 0.16 | - 0.09 (0.014%)	2017.03	175	220
Z	3 248	249	1.14	7 448	7 143	10 222	11 %	10	- 0.87 | - 0.78 (0.012%)	2005.05	340	550
FCE	2 540	195	1.14	5 480	2 491	4 639	14 %	10	- 0.62 | - 0.52 (0.011%)	2005.12	380	490
NKD	635	55	1.35	23 800	6 310	12 237	16 %	12	- 2.82 | - 1.59 (0.012%)	2007.03	260	520
XU	35	23	3.26	11 765	18	116	429 %	2	- 1.78 | - 1 (0.015%)	2017.01	3 400	5 000
HSI	319	79	1.39	27 856	501	749	37 %	7	- 3.39 | - 2.79 (0.012%)	2014.07	360	495
TA25	747	-	0.42	1 671	774	-766	-	17	- 2 | - 2 (0.12%)	1992.12	300	285
CHILE	4 153	-	0	27 477	2 967	-2 967	-	4 153	- 2.4 | - 2.4 (0.009%)	1991.01	300	380

这里的结果要差得多。尽管如此，也只有两个交易品种显示出亏损: 以色列 TA25 指数和南美洲的 CHILE （智利）指数。在这两个情况中，问题都与我们的交易策略不相关，亏损是因为这些交易品种的手续费太高导致的。CHILE 交易的手续费可能达到1美元，而取得的获利只有几分钱的利润。这就是为什么这个交易品种上所有的交易都是绝对亏损的。

最适宜这种交易策略的是 Dow Jones (YM)，在12年内，它显示出每年60%的利润。

YM:

经纪商 #1, ETF

经纪商 #1 也支持 ETF，对于那个经纪商这是一个新的交易品种,这也是为什么它只有几个月的历史数据. 所以我们不知道参数在更长的时间段内表现会如何。

另外请注意对于这个交易品种卖出的隔夜息是正的。这是一项不错的加分。

交易品种	每年交易次数	利润因子	当前价格	最大回撤	利润列	最大亏损	隔夜息 买入/卖出 (L%)	开始	止损	获利
EWG	50	2.27	30	2	11	2	- 0.01 | 0.002 (0.034%)	2018.06	10	30
EWU	12	1.56	34	2	2	2	- 0.01 | 0.002 (0.034%)	2018.06	50	50
EWW	19	1.97	50	27	30	4	- 0.017 | 0.003 (0.034%)	2018.06	85	185
EWZ	24	2.97	33	6	25	3	- 0.017 | 0.002 (0.036%)	2018.06	35	135
FXI	47	1.9	43	5	22	3	- 0.014 | 0.003 (0.033%)	2018.06	25	70
IJH	49	2.12	204	10	53	3	- 0.066 | 0.015 (0.033%)	2018.06	65	155
ILF	17	2.03	31	2	4	1	- 0.01 | 0.002 (0.034%)	2018.06	100	45
SPY	78	1.68	292	13	32	5	- 0.09 | 0.02 (0.032%)	2018.06	85	95
VGK	17	0.29	57	45	-30	5	- 0.019 | 0.004 (0.034%)	2018.06	45	95

找到的最优参数对日内交易比对中长线交易更加适合。然而，这也可能是与可用的历史时间段较短有关。

另外对于SPY和IJH的ETF，这里的交易会有一个很大的问题，就是有很大的维护保证金，就算对于最小手数，保证金就等于$10了，而盈利交易的利润大约是1美元。而这只是交易链中的第一个交易，如果您比较不幸，在链中开启了第四次交易，您需要的可用保证金就是80美元，而到了第8步，它将等于1280美元。为了赢取1美元而冻结1280美元，这是合理的吗?

我想这是使用紧密止损水平交易ETF的一个很大缺点。而测试更长的止损水平是不可能的，因为可用的历史只有最近两个月。

另外，在真实账户中测试 EWG 也不成功。每当新一天开始都是一个止损，因为这个交易品种跳空缺口很大。最后，其中一个交易品种链达到了第七步，当利润达到亏损的一半时我就立即平仓了。而我忘记这个交易品种是什么了。但是，我后来分析了图表并发现这样做没有必要，因为第七步最后还是可以达到获利平仓的。但是，这样的交易品种从人们神经系统的角度看不是最佳选择。

结论

从图表中您可以看到，反转策略实际是有用的。最好选择新的市场以及具有很好趋势的市场来使用此策略，例如股票和指数市场。要确保您的经纪商为中线交易提供了好的条件，没有额外的花费。

但是，不推荐在有市场大户交易的非常常用的资产中使用反向技巧，它们能够在想要的方向上推动市场。

您需要注意的最重要的方面是，入场时可以在任意时间的，而不是基于某个信号，这意味着结果可能与上面的测试图表有所不同。例如，在链中八步就可以获利平仓，我们可能会更早些或者晚些入场而亏损平仓，所以不要完全依赖于上面的结果。

另外，要确保在您特定的经纪商中测试和优化EA交易的参数，上面已经提到，针对不同的经纪商，对于相同交易品种的最佳EA参数可能是不同的。本文中的参数和屏幕截图只是用于提供信息，它们不是作为交易的建议或者在最终形式中的指导。

我想在本文说的最后一件事，前一篇文章带来了它的结果 — 我收到了稿费 :) 现在，您可以在真实账户中看到反向交易的运行了。为了启用它，我发布了一个信号用于外汇交易市场，它运行在一个分值账户中。EA 交易7个交易品种: EURUSD, GBPUSD, USDJPY, AUDJPY, GBPJPY, XAUUSD 和 XAGUSD。对于大多数的交易品种，在链中都是每两次交易再手数加倍，

仓位的建立和部分管理是由EA交易完成的，然而，因为我毕竟是人类，如果链超过了4步或者更多我会紧张，所以我会在利润一超过总的链亏损时就关闭链，随后，我在被关闭仓位的方向上再用初始手数开启交易，所以如果我不加干涉，信号的利润也可能会更高。

额外的资料

附件中附加了以下的zip档案:

• RevertEA. EA交易，它的交易结果已经在本文提供;
• SETfiles. 为每个讨论过的经纪商的每个交易品种优化的最优EA设置的SET文件；
• TESTfiles_plain 和 TESTfiles_cci. 在不同经纪商中所有交易品种的测试报告;
• RevertManualEA. 另一个反向EA交易，它只会管理您开启的交易。

如果您想要人工开启第一个交易，RevertManualEA 可以帮助您做反向交易。在一个图表上运行此 EA, 之后它就能自动管理所有的交易，它含有当前步数的注释并且有对应的幻数。

也就是说，您所要做的就是人工开启第一个交易，例如，使用 使用固定资金止损创建订单(Creating orders with a fixed stop in dollars) 工具。在一分钟之内 ( EA 会每10秒扫描新仓位及更新现有仓位) RevertManualEA 将会创建一个反向的 SELL STOP 或者 BUY STOP 交易，并且会管理这个交易直到触及获利或者达到链中的最大步数。

请注意另一个工具，它可以用于协助应用此策略: Information panel for traders（交易者信息面板）。这个工具可以显示任何开启图表的有用信息，‘我们对这个工具的以下功能特别有兴趣:

• 显示隔夜息信息: 买入；卖出；3天隔夜息. 它显示点数信息，交易品种币别以及当前交易品种价格百分比 (这三种模式可能不是对所有计算选项都可用);
• 显示交易的利润: 数量 (数字). 显示交易的数量和交易品种月度/年度或整个历史阶段中的总利润。另外，当天的利润和交易数也显示在EA所运行的图表上;
• 在第一个获利交易前显示亏损量. 显示在当前的链中您已经亏损了多少（这样如果您想在整个交易链变为获利时关闭当前链，您就不需要人工计算它）
• 通知我当前的余额、净值和可用资金. 在某个时间，这个工具可以根据指定的 MetaTrader MetaQuotes ID 来发送上述信息 - 这有助于您控制账户中的可用资金数量，以及监控您虚拟服务器的运行情况 - 您可以检查 MetaTrader 是否正在运行以及 Windows 没有安装更新而重新启动;
• 显示: 市场交易关闭时间 (剩余时间) - 关闭. 这个信息对日内交易者特别有用，他们不愿意把交易保留到下一天 - 这将会保护您的账户不会出现隔夜息和跳空缺口。

我希望这些信息将有助于提高您的交易成效。