文章 "分离策略在趋势和盘整条件下的优化"
作者的文章一如既往，非常有趣。
我只想补充一点，单独分析原则不仅适用于文章中提到的两种市场状态（趋势和持平），也适用于第三种状态，即修正、
还可以用于第三种状态，即修正。从结构上看，它在更大程度上描述了市场动态：
- 趋势（运动中活跃、振幅明显的部分）、
- 作为趋势反应的修正（紧随趋势之后的反方向运动，幅度与趋势相当，但相对于趋势要小一些）、
- 持平（与趋势和修正相比幅度小得多的运动，但不考虑因幅度小而导致的方向）。
感谢作者的出色工作！
这篇文章非常有趣，这也是作者一贯的风格。
我只想补充一点，单独分析原则不仅适用于文章中提到的两种市场状态（趋势和持平）、
还可以用于第三种状态，即修正。从结构上看，它在更大程度上描述了市场动态：
- 趋势（运动中活跃、振幅明显的部分）、
- 作为趋势反应的修正（紧随趋势之后的反方向运动，幅度与趋势相称，但相对于趋势要小一些）、
- 平缓（与趋势和修正相比，幅度小得多的运动，不考虑因幅度小而导致的方向）。
感谢作者的出色工作！
但是，这个或其他任何智能交易系统所取得的最终结果（近四年来！）都不能作为效仿的榜样！
但是，这个或任何其他智能交易系统所取得的最终结果（近四年！）并不能作为我们效仿的榜样！
当然，在实际交易中，应该加强趋势和平盘识别算法，因为普通指标不足以实现这一目的。
此外，还必须考虑到与价格动态结构有关的因素（更多详情，请参阅我的文章"如何降低交易者的风险"）。
但我喜欢作者绝对正确的方法--分别优化不同的市场状态。毕竟，传统方法优化的是整个交易系统的算法，而这正是绝大多数交易机器人长期表现差得多的原因。
当然，在实际交易中，趋势和平盘识别算法本身也应得到加强，因为普通指标还不足以实现这一目的。
此外，还必须考虑与价格动态结构相关的因素（更多详情，请参阅我的文章"如何降低交易者的风险"）。
但我喜欢作者绝对正确的方法--分别优化不同的市场状态。毕竟，传统方法优化的是整个交易系统的算法，而这正是绝大多数交易机器人长期结果差得多的原因。
是的，在这个问题上，无论是理论上还是实践上，特别是在提供真正可实现的盈利能力方面，还有很多工作要做。
新文章 分离策略在趋势和盘整条件下的优化已发布：
本文探讨了在分离在不同市场条件下的优化方法,分离优化意味着分别为上涨趋势和下跌趋势分别定义交易系统的最佳参数. 为了减少错误信号的影响，提高盈利能力，系统变得灵活，这意味着它们有一些特定的设置或输入数据，这是合理的，因为市场行为不断变化。
当开发交易策略时,第一个任务就是设置入场交易的条件、跟踪仓位的方法和出场点。为此会使用各种数学、统计学和其它分析方法。它们通常被现成的、用于以指标形式评估市场特征的自治系统所强化。在制定任何交易策略时，一个主要问题是缺乏通用性。一个交易系统不能在所有可能的市场条件下以同等的效率运作。所以，交易者在开发EA交易时通常选择条件来侦测某种（潜在获利）的市场条件。
另外，每个交易系统都有自己的缺点，跟随趋势的策略在延长的盘整变化中会亏损，而基于盘整的策略在强方向变化时会错误进场，为了减少错误信号的影响，提高盈利能力，系统变得灵活，这意味着它们有一些特定的设置或输入数据，这是合理的，因为市场行为不断变化。
随着时间的推移，任何交易系统的效率都会降低，因此，有必要调整其参数以适应新的条件。内建的 MetaTrader 5 策略测试器就是解决这个问题的方法，此工具有助于分析历史上任何EA交易的性能，并为其在实际交易中的进一步使用定义最佳设置。
分离优化的概念
在本文中，我们将在更大范围内探讨策略测试器的应用。显然，大多数交易系统是双向交易（在特定条件下买卖）。图 1 显示了一个实际交易策略的简单例子，想法很简单 - 低买高卖。
作者：Alexander Fedosov