智能交易系统EA教程.doc

智能交易系统EA教程
预备知识 EA英文Expert Advisors 的缩写，中文意思专家顾问，俗称智能交易系统。
它是一种操盘软件，大多基于MT4平台，运行时可由电脑代替交易员下单，从而实现机器自动交易。�8�5EA做过外汇的人都知道许多订单输在了人性的弱点上，该斩仓的不斩仓，该获利的不获利。

利用EA制定一套符合自己交易习惯和交易计划的程序，就是EA
严格地说，没有“好”的EA，只有“合适”的EA。市场是千变万化的，我们不能迷信任何一种EA。要想拥有一套合适自己的EA，都必须经过两个阶段，一是系统测试，二是模拟演练。

预备知识MT4提供了一个强大的系统测试模块。利用历史数据测试EA策略的效果，并提交报告，根据报告调整EA的策略和参数，反复进行，以期达到最佳的模式。�8�5历史数据包含了开盘价、收盘价、最高价、最低价、成交量、时间等6项指标，分为M1、M5、M15、M30、H1 、H4、D1、W1、MN等9个周期。�8�5准备好要测试的EA和需要测试的货币对的历史数据即可。

如果可能，最好了解一下统计数学的几个概念：过适、k-折交叉验证、赢利与最大资金回撤比、人工神经网络。后面有简单的介绍。
MT4MT4服务器提供各种货币对及其时间周期的历史数据，而实际上不同的服务器提供的数据都是很不完全的。后面有解决办法。
进入测试界面1、选择一个EA加载到图表2点击工具栏的“智能交易”停止智能交易3、按F6，打开测试窗口测试窗口历史数据准备1从统计数学的角度来评判MT4提供的数据，基本不符合要求。毕竟我们不是数学专家，不需要精准的结果，所以采用我推荐的方法就够用了。
点击MN按钮，等待一会儿，将数据图表拉到最左边，我们会看到月线数据从1988年12月开始月线数据从1988年12月开始W1D1H4……M1USDJPY历史数据准备2打开货币对从MN到M1时间周期9个窗口接收数据，等待时间越长，数据越多但也别傻等，因为交易商服务器提供不了从1970年1月1日以来的所有数据，而且，不同的服务器对应其帐号，跨服务器的数据不能使用。
历史数据准备3记录每个时间周期的起始时间：时间周期起始时间
月线MN1988-12-1
周线W11990-6-29
日线D11993-5-254
小时线H42006-4-211
小时线H12009-2-2730
分钟线M302009-8-2715
分钟线M152009-11-265
分钟线M52009-12-291
分钟线M12010-2-4
设置选择要测试的EA选择要测试的货币对选择要测试的时间周期选择要测试的EA一般选择“”选择测试时间段根据历史数据做选择滑条移动位置决定了复盘速度初始化测试参数显示所选货币对的交易属性
做完所有的设置后，按“”开始测试模拟交易过程中发生交易的点被标注选择M1
做测试新增测试报告标签不看过程，滑条拉倒最右边结果“”标签中显示了测试的每个交易记录净值图“”标签中显示了测试的资金变化过程报告“”
标签中显示EA在指定时间段内的全部财务情况报告中各项指标说明1Bars in test以模型为基础显示历史的深度。Ticks modelled显示模型次序的大小。
每一个记录的次序代表柱的当前或另一时刻状态OHLCV。不同柱的状态取决于时间范围，模型方法，和从较小时间段内的柱的历史数据。

Modellingquality按照以下的公式进行计算：
ModellingQuality 0.25StartGen-StartBar 0.5 StartGenM1-StartGen 0.9 HistoryTotal-StartGenM1 / HistoryTotal-StartBar100

其中：
HistoryTotal-在历史中的总数额；
StartBar-开始测试柱的数字。模型开始于最小的第101个柱或者测试水平初始日期相关的柱

StartGen-在最近的时间范围内开始测试柱的数字；
StartGenM1 -在原有分钟内开始测试柱的数字；

另外: 对于最近时间范围数据库模型的开始和最近时间范围数据模型的开始存在重量系数0. 25的区别对于最近时间范围数据库模型的开始和最近时间范围数据模型的开始在原有分钟内存在重量系数0. 5的区别；

在原有时间上模型的开始和历史数据的末尾之间重量系数0.9的区别。报告中各项指标说明2Total net profit净赢利值和净亏损值之间的差。

TotalNetProfit GrossProfit-GrossLossGross profit所有赢利交易总数的净赢利值。
Gross loss所有亏损交易总数的净亏损值。

Profit factor赢利原因显示在多少时间内净赢利值超过净亏损值。
ProfitFactor GrossProfit/ GrossLossExpected payoff

预期盈利使用以下公式进行计算
:Expected Payoff ProfitTrades/ TotalTrades GrossProfit/ ProfitTrades -LossTrades/ TotalTrades GrossLoss/ LossTrades其中：
TotalTrades-交易总数
ProfitTrades-赢利交易总数
LossTrades-亏损交易总数
GrossProfit-净赢利交易总数
GrossLoss-净亏损交易总数.报告中各项指标说明
3AbsoluteDrawDown在一定程度上从最初的平衡显示减少原始的价值：
AbsoluteDrawDown InitialDeposit–MinimalBalanceMaximalDrawDown最大借款值和当前最小借款值的最大差距：
MaximalDrawDown Max of Maximal Peak -next Minimal Peak最大借款百分比的比率等于最大借款和它的各自价值的商：
MaxDrawDown MaxDrawDown/ its MaxPeak 100在报告中显示的其他结果可以应用简单的数学方法计算。
Total trades在测试里的交易总数。
Short positions won 卖空仓位总数额和其中赢利百分比（卖空仓位/卖空仓位总数100）。
Long positions won -看涨仓位总数额和其中赢利百分比（看涨仓位/看涨仓位总数100）。
Profit trades of total赢利交易总数和交易总数的百分比（赢利交易/交易总数100）。
Loss trades of total亏损交易总数和交易总数的百分比（亏损交易/交易总数100）。报告中各项指标说明
4Largest profit trade赢利交易中获得的最大获利。
Largest loss trade亏损交易中获得的最大亏损。Average profit trade赢利交易中赢利的平均数净赢利值/ 赢利交易。
Average loss trade亏损交易中亏损的平均数净亏损值/ 亏损交易。
Maximum consecutive wins profit in money在这一系列赢利总数和交易的赢利系列中最大连续盈利。
Maximum consecutive losses loss in money在这一系列亏损总数和交易的亏损系列中最大连续损失。
Maximal consecutive profit count of wins在交易总数中最大连续交易的赢利。
Maximal consecutive loss count of losses在交易总数中最大连续交易的赢利。
Average consecutive wins赢利系列中连续盈利的平均数。
Average consecutive losses亏损系列中连续损失的平均数。

报告中色彩的含义灰色-原有的模型粉色-完全的不规则碎片模型H4模型H1模型M30模型M15模型M5模型M1模型总结11EA23EA20100EAEA4EAEA5怎么样，有点“蠢蠢欲动”了吧，敬请期待下一个DOC：
《MT4编程入门》附录：几个数学概念1.2.k-3.4.虽然汇市千变万化，但是任然有规律可循。

我们需要从历史数据中寻找规律，面对庞大的数据，唯有统计数学的理论能使我们理清头绪。我们经常使用的技术指标其实就是统计数学的实际应用。
我们不能保证自己每单都赢，但能确保长期从汇市获利。了解一点统计数学的概念，对评判EA、系统测试都有极大的帮助。下面列举了4个数学概念，并尽量给予简单的介绍，起到一个抛砖引玉的作用。
过适overfit在统计学中，过适（overfitting）现象是指在调试一个统计模型时，使用过多参数。对于可取得的数据总量来说，一个荒谬的模型只要足够复杂，就可以完美地展现结果。这下你就知道网上那些翻几倍的EA是怎么来的了。k-折交叉验证k-折交叉验证（K-fold cross-validation）是指将样本集分为k份，其中k-1份作为训练数据集，而另外的1份作为验证数据集。
用验证集来验证所得分类器或者回归的错误码率。一般需要循环k次，直到所有k份数据全部被选择一遍为止。对于外汇EA的测试，我们举例说明如下：

1、把历史数据分成10份，先用1-5份数据优化参数训练模型
2、测试第6份数据得出测试结果
3、继续选用第2-6份数据优化参数训练模型
4、测试第7份数据这样一直循环测试所有的数据，最后把测试结果平均，就是你的交易系统的真实的测试结果

赢利与最大资金回撤比评价一种交易模型的获利能力，不能单纯看收益率，而应该同时更加关注赢利与最大资金回撤比。比值越高说明赢利能力越强。一定时间段内赢利值与亏损值的比率。

人工神经网络人工神经网络通常是通过一个基于数学统计学类型的学习方法Learning Method得以优化，所以人工神经网络也是数学统计学方法的一种实际应用，通过统计学的标准数学方法

我们能够得到大量的可以用函数来表达的局部结构空间；另一方面在人工智能学的人工感知领域，我们通过数学统计学的应用可以来做人工感知方面的决定问题也就是说通过统计学的方法，人工神经网络能够类似人一样具有简单的决定能力和简单的判断能力，这种方法比起正式的逻辑学推理演算更具有优势。

理财Hao信号www.HaoXinH 外汇返佣95% 外汇指标改写 外汇软件定做 理财策略测试