如何负责任地对MT4专家顾问进行回测？

明确回测的含义（以及它不包含的内容）

对MT4专家顾问（EA）进行回测，意味着在历史市场数据上运行该EA的逻辑，以估算其在特定假设下的表现。它不能证明未来表现。关键在于：回测的可靠性仅与数据质量、建模的交易环境以及所用假设相当。

EA是一种使用您提供的输入（例如策略参数和风险规则）进行交易决策的软件。在回测中，平台使用历史价格和您对执行的假设来模拟这些决策的执行。

明确输入和假设，使结果可解释

负责任的回测始于将稳定机制与可变条件区分开来。

• 数据定义：确定EA使用的价格式列（例如K线数据和/或逐笔数据）以及时区。记录数据来源是否一致。
• 初始条件：说明初始账户设置、EA使用的图表/会话边界，以及任何“首笔交易”的假设。
• 参数范围：明确定义您测试的参数。如果您调整大量参数，拟合噪声的风险会增加。
• 执行模型：如果您的EA依赖订单下达规则，请定义订单如何成交（例如在K线开盘/收盘时，或基于逐笔时间）。若无明确的执行模型，结果可能具有误导性。

许多实质性限制和失效模式源于不匹配：例如，EA在回测中表现良好，可能是因为成交和时序比实际执行更有利。

真实建模交易成本和执行

即使策略逻辑正确，若忽略交易摩擦，回测仍可能夸大表现。

成本可能包括点差、佣金，以及适用情况下的隔夜利息/融资成本。执行的真实性同样重要：滑点、订单重新报价和延迟效应都可能改变交易结果。

负责任的方法是明确这些假设，并测试其敏感性。例如，您可以使用一系列合理的成本和滑点假设运行同一EA，以查看其表现是否依赖有利条件。

控制偏差：减少过拟合并在样本外验证

由于许多“良好”回测是过拟合的产物，因此需要偏差控制。

常见的偏差控制包括：

• 样本外测试：使用一个时间段进行开发/调优，另一个时间段进行评估。
• 前向滚动验证：在滚动窗口上反复训练/调优，并在下一个窗口上测试。
• 限制调优空间：减少可调参数数量或约束其范围。
• 使用不同样本重复验证：在多个市场行为片段上验证。

如果结果仅在开发期内出现，则EA可能捕捉的是无法泛化的历史模式。

通过基于证据的验证检查局限性

回测应被视为一个假设的证据：“在这些假设下，EA可能表现可接受。” 验证意味着您需检查EA的行为是否稳健。

至少应识别一个实质性限制：

• 市场状态敏感性：当波动性或流动性变化时，表现可能崩溃。
• 事件敏感性：在新闻引发的价格跳空或异常点差期间，EA可能表现不同。
• 数据依赖性：若使用不同数据源或不同粒度，结果可能改变。

一种有用的做法是记录EA做出决策的原因，然后验证在回测环境中这些决策条件是否按预期评估。

回测之后该做什么：明确您能回答的问题

完成回测后，您应能说明：在哪些假设下、在哪些数据段上、以及在何种建模成本下，EA表现更好或更差。

如果EA的结果依赖高度特定的假设（例如异常有利的执行），这便是表现脆弱的警示信号。由于结果随市场状况、成本、执行和其他因素而变化，历史关系不能确立未来结果。

接下来应问的问题不是“它是否盈利？”，而是“哪些假设和市场条件显著影响表现，我们是否在样本外验证了这些影响？”