训练区不错、盲测失效：我为什么拒绝上线这套XAUUSD短线EA
最近我对一套XAUUSD短线策略做了阶段性验证，最后的结论不是“继续优化参数”，而是直接拒绝上线。
数据采用最近90天真实Tick聚合后的88,421根M1，按时间顺序拆分为50%训练、25%验证、25%盲测，共搜索12,384组参数。成交按信号收盘后的下一根实际Ask/Bid开盘价计算，并加入点差和额外滑点压力测试。
其中一个候选在验证区间达到PF 1.304、净值增加7R；但进入从未参与选参的盲测区间后，PF降到0.750，净值变成-7R。增加0.05美元滑点后，结果进一步下降到-9.5R。
因此我把它标记为REJECTED：不部署网页、不连接EA、不进入实盘。
这轮失败让我重新确认了四件事：
1. 不能让一组参数覆盖趋势扩张、流动性扫单、震荡回归和消息冲击等不同市场状态；
2. 训练、验证、盲测必须严格隔离，不能看完答案再修改题目；
3. 点差、滑点、成交延迟，以及同一根K线先触发止损还是止盈，都应采用保守假设；
4. 策略必须允许被淘汰。写了很多代码、跑了很多参数，不是继续上线的理由。
我目前更关心的不是“怎样把曲线调漂亮”，而是怎样建立可靠的策略死亡标准。
想请教各位MQL5开发者：你们通常用哪些硬指标决定一套EA必须停止优化、直接淘汰？除了样本外PF、最大回撤和成本敏感度，还会检查哪些项目？
说明：以上数字来自一次已归档的阶段性实验，该候选已经被拒绝且未投入实盘。历史测试不代表未来表现。本文只讨论策略研究与验证，不提供交易建议。
我是刘金水，一个拿AI做黄金交易的农村大专生。
