文章 "智能系统健壮性测试"
好文章，Zhuo。
Daniel Opoku 交易量：如果您的 EA 同时交易多头和空头头寸，请确保它们的胜率和交易量相当接近。
两者之间的巨大差异可能预示着策略失衡，需要加以解决。
这是否适用于偏向趋势方向（买入趋势比卖出趋势占主导地位的时间更长。EA 的胜率和交易量是否仍然相似？
感谢您的评论。
这取决于策略中涉及多少贝塔值。如果单一资产策略的交易时间框架更高、持有期更长，那么策略结果很可能会偏向宏观趋势。这就是为什么我建议大家通过更高频率的交易或在多个不相关资产上分散策略来交易大额（交易量）策略的原因。如果一个策略的优点不涉及趋势偏差假设，买入和卖出规则对称，那么在大样本量下，它应该会有相似的交易量和胜率。
当然，有些策略也会有趋势偏差假设，比如某些指数多头策略。对于这类策略，交易者应该只交易一边，因为他们的假设已经认为另一个方向不会像这个方向一样好。只要确保不使用过多的偏差假设，就应该没问题。
感谢Zhuo花时间做这个，让我开阔了使用Python分析结果的眼界，对我来说主要的挑战是，结果是由EA还是趋势造成的：)也许应该包括一个概率指标
有中文版本吗？
如果有，请同时提交中文版。
如果没有，您是否需要 MQL5 文档组提供中文翻译？
新文章 智能系统健壮性测试已发布：
首先，您应当创建一个没有杠杆复利效应的 EA 版本，因其可能会扭曲结果，并过度强调样本集尾部的重要性。
以下是需要关注的主要量值：
盈利因子：盈利应大于 1，合理范围在1.2 到 1.5 之间。盈利因子低于 1.2 或许表明该策略盈利能力不足，而数值高于 1.5 则可能表明样本量太小、或未考虑交易成本。而这并不一定意味着您的策略是骗局，若结果看起来不切实际，您就应当保持警惕。
最大净值回撤：专注最大净值回撤而非绝对回撤，因其它反映出潜在风险，而非已发生的风险。最大净值回撤应比您的个人最大回撤冗余至少要低 10%。如果风险过低，您可考虑提升 EA 的风险；如果风险过高，您或许需要重新评估您的策略风险配置。
LR 相关性：线性回归（LR）相关性衡量您的净值曲线的一致性。相关性大于 0.9 是整个测试周期内回报相对稳定的迹象。这有助于确保策略没有大幅波动，其绩效稳定。
多空仓位的胜率和交易量：如果您的 EA 多空双向交易，确保它们的胜率和交易量大致相近。若两者之间存在显著差异，可能是策略存在失衡的信号，或许要加以解决。
而其它量值也很重要，但评估您的 EA 可靠性时，无论是在样本内/外测试期间，这三项都是要留意的主要因素。
作者：Zhuo Kai Chen