文章 "基于大众交易系统和交易机器人优化点金术的 Expert Advisor(续)"

MetaQuotes 2016.03.17 11:33

在本文中，作者继续分析最简单的交易系统的实现算法，并介绍使用优化结果的一些相关细节。本文对于交易新手和 EA 编写新手很有帮助。</div>

通常，在最初使用 EA 优化之后，可能会决定在交易过程中构建一个使用具有最大获利和最小亏损的优化结果的策略，希望具有类似参数集合的系统不仅在优化期间可获利，而且在不久的将来也可获利。它的示意图如下：

这就是很多 EA 编写新手在刚开始熟悉交易策略测试程序时所使用的逻辑。但遗憾的是，我们不能使用此逻辑预测未来和定义交易系统的效率，对于实时市场，在实时模式下，在模拟帐户上测试策略以定期记录其操作结果，这项工作非常累人！

如果任何人都有足够的耐心花数年时间等待结果，那没有什么问题！然而，当系统变得完全没有用处之后，浪费这么多时间和互联网流量会让人非常失望的。而且，这种方法不能测试很多交易策略。一个或者最多两个！最后，此类交易策略的测试需要投入如此多的工作量，以致于其创建者无法严格地评估操作结果！

从心理学的角度看，在这种情况下，会很难面对真相和承认所产生的策略仅仅是浪费时间和精力。自然，这种精力和时间的浪费几乎无法创建可获利的 Expert Advisor。

因此，在这种情况下，唯一可行的方式是，基于历史数据对未来情形进行建模。这相当简单。我们需要做的是将时间边界从之前的预定值沿时间轴向左移动。在这种情况下，在优化之后，你将有足够的时间来评估比优化数据更接近当前数据的最新数据的优化结果。

在很多情况下，包括上面介绍的那种情况，对于某个已优化参数的 Expert Advisor，这种方法能够评估使用它的优化结果的类似策略的实际效果。下表以图示的方式显示了这种优化策略分析的含义：