取别处相比，正在 MQL5 使用商铺 购置生意业务机器人有一个较着的上风 - 其供应的自动化体系，可直接正在 MetaTrader 5 终端内接受完齐测试。购置前，EA 生意业务能够、还应该正在内置的计谋测试法式中，以齐部倒霉的形式慎重运转，进而对此体系有一个齐面的熟悉，注重 MQL5 使用商铺中供应的每个 EA 生意业务都有试用版本供应。
记着：不仅是您在购置生意业务机械人时支付款子方面的风险，也有运用此类生意业务机械人在预期账户生意业务所带来的潜在损失。
下面，我们以免费的三种挪动平均线 EA 买卖（直接在 MetaTrader 5 终端下载）为例来研究一下。它是某种基于三种挪动平均线的典范买卖计谋的一种实行。
图一
基于测试后果的 EA 生意业务评价法
只管没什么能够 100% 包管生意业务机器人性能的通用要领，但许可您在 MetaTrader 5 终端战略测试法式中查抄任何特定生意业务系统主参数的简朴要领照旧有的。首要要领如下：
随机延迟形式下的压力测试，
差别生意业务环境下的测试，
分歧买卖种类/时候框架的测试，
不良历史数据的事后磨练，
延伸汗青周期的事后磨练（继 EA 交易于 MQL5 利用商铺中宣布以后），
前向测试。
另外，对潜在的可疑因素应予留意，比方：
太高的赢利系数，
历史数据的宏大利润值，
某交易系统中大批的外部参数，
资金经管的庞大划定规矩。
只管上面所说的全是极度简朴的使命，但大多的初学者、乃至很多具有肯定水平经历的生意业务者，要末不清楚其细微的地方，要末不克不及始终会合注意力。再一次提示大师，由 MQL5 使用商铺下载的任何生意业务机器人，都可以设置为正在 Navigator （导航器）窗口中直接测试。
图二
一旦您按下上下文菜单中的 "Test" （测试），就会显示出带有您所选 EA 生意业务的计谋测试法式面板。测试所下载 EA 生意业务的一切工作均已停当，我们还干好了认真研讨以上评价要领的预备。
随机延迟形式下的压力测试
计谋测试步伐次要设计适用于测试体系的交易规则。也就是说，此计谋测试步伐会模拟全部进程的抱负环境：
发送生意业务恳求，
更新未平仓取挂单的状况，
猎取买卖事务，
猎取价钱汗青，
测算目标和很多别的事项。
一切都旨在用起码的工夫，完成生意业务计谋的测试和优化。可是，鉴于预期环境中生意业务机器人的操纵远非抱负和立即，所以使用一种附加的测试形式来模仿某生意业务定单发送与实行之间的随机延迟，进而强化计谋测试法式。
图三
此测试形式会精确地检验：
买卖操纵处置惩罚毛病，
调解计谋以顺应特定生意业务前提。
正在尺度取随机延迟两种形式下，运转单次 EA 生意业务测试后获得的生意业务后果却有明显差别，让人不能不看重。首先，检察战略测试顺序日记，由于其所包括的大批生意业务毛病，充足作为不再思索此 EA 生意业务的缘故。而本例中，正在随机延迟形式下的压力测试过程中未检验到任何此类毛病，这就注解此 EA 生意业务已胜利经由过程测试的前半部份。
目前，我们来看看哄骗两种形式下运转的单次测试所得到的生意业务后果之间有没有差别。随机延迟形式下所获生意业务数取利润的大幅缩减，表白此计谋高度依赖于传输和生意业务定单履行的质量，并且只能正在特定的抱负条件下红利。大概大多情况下，开发人员全是正在无意中完成了这一操纵。然则，那样一个“瑕疵”却大概酿成您生意业务账户的一场灾害。
图四
本例中，切换到不一样的买卖定单履行形式并未影响到买卖数目。而测试后果的些微不一样，用因为从新报价而招致的买卖中涌现的小幅价钱更动完全可以注释。
总结：三种挪动平均线 EA 买卖已经由过程此测试。随机延迟形式下的压力测试，并未对买卖后果发生庞大危害。
差别生意业务环境下的测试
正在 MQL5 运用商铺中的描写里指明的前提下，运转买卖机器人测试。然后连收到另外一经纪人账户，并再次运转此测试。这取之前的压力测试有些雷同，容许您检察价钱取买卖前提（点差、容许的止损/赢利水对等）关于买卖后果的危害有多小。
比如说，您具有经纪人 A 账户上的 EURUSD EA 生意业务测试成果。再次运转雷同的 EURUSD 测试，只是此次是正在经纪人 B 账户。假设两个成果有很大不一样，则是重新考虑是不是须要此生意业务机器人的很好来由。
另外一买卖种类/工夫框架
大多的买卖机器人全是为了施行某特定买卖种类的买卖而研制，有一些乃至还请求必需适用于某特定时候框架。这好像很公道，由于每一款东西都有本身的操纵方法。是以，一般来说，MQL5 运用市肆给予的买卖机器人的描写中，始终城市指定买卖种类和时候框架。
下载一份 EA 生意业务的试用版，并按差别的生意业务种类和（或）周期启动它。首先，您需求确保 EA 生意业务不容易因严重毛病溃逃，或是因在不适宜的启动条件下运用而向日记增加生意业务毛病新闻。第二，确保可红利生意业务战略还没有因以上设置变换而变得极度亏损 - 呈现曲线拟合处也许会有这类情形发作。
为 EA 生意业务放置此类测试最简朴的办法之一，即就 Market Watch （市场报价）中选定的一切生意业务种类施行优化。我们正在相称长的工夫框架 H1、且生成“每一价钱变更”的情况下，于此形式下运转 EA 生意业务优化，很快就得到了第二个题目的谜底。
图五
此优化的成果表明，该计谋有存在的权力，由统计学上展现了每一买卖种类充足的买卖量，且未发生真正的不良成果。注重，我们曾经按默认设置，应用不异参数就 Market Watch 中的全数 13 个买卖种类完成了一次计谋测试。
图六
自然，我们还没有奢望每个 EA 生意业务正在任何生意业务种类和工夫框架上皆一致有用。但行使此法正在战略测试步伐中检查一下照样值得的。它没有仅会展现出潜正在的代码毛病，乃至还能够催生新设法主意。
总结：三种挪动平均线 EA 买卖正在差别的买卖种类/时候框架上测试时表示一般。测试时代未见任何显明代码毛病。
不良历史数据的事后磨练
我们发觉，此 EA 生意业务正在 GBPUSD 上的成果最好。可是，假如这不是一种同等的形态、且这类行动是因为所选的由 2012.01.01 到 2012.09.28 的测试距离、而这类挑选又是地道出于有时得到了有益成果，那末，又会如何呢？为深入研究这一题目，我们就 2011 年采纳雷同的参数来测试此 EA 生意业务，并与 2011.01.01-2011.12.31 作为距离。运转测试，并检察成果。
图七
此 EA 买卖不再有利可图，并且当即变得乏善可陈。别的，2011 年蒙受的损失，已大大超过了战略测试法式于 2012.01.01-2012.09.28 间展现的利润。然则，而今我们知道了潜正在的损失，即便是正在 GBPUSD 上买卖也是一样。
总结： 三种挪动平均线 EA 生意业务须要进一步的开辟，才可以确保关于市场行动转变的精确主动应对；不然，就要经由过程优化，找到每一个隔断的最好参数。
耽误汗青周期的事后查验
给出描写时，生意业务机器人的开发者城市试图显现其产物最好的一面，并因而给予针对某特定距离参数最优的讲述及测试图表。因为由生意业务机器人宣布之日到您对其感兴趣之时，平常已过去了相称长的工夫，所以，我们能够运转一次所谓的前向测试。
前向测试会针对挑选最优参数时未考虑的一段汗青时代施行测试。我们会用 GBPUSD 、正在稍长一点的测试距离内（个中包含自 2012 年 9 月 28 日以后的汗青数据）持续此 EA 买卖的阐明。竣事日期设置为 2012.11.26，由此又加加了近两个月。所以，正在完成由 2012.01.01 到 2012.11.26 时代的运转测试以后，我们得到了新的测试图表：
图八
本例中，三种挪动平均线 EA 买卖正在附加短隔断（前向）显示的成果，乃至比之前 10 个月杀青的成果皆要好。固然，这类情形还很是稀有。
总结： 用 GBPUSD、就延伸汗青时代的三种挪动平均线 EA 买卖测试，未能显示出买卖参数的任何减弱。
前向测试
前向测试适用于评价生意业务系统正在不竭转变的市场行动中的稳定性。经由对战略测试顺序中参数的优化，便可获得生意业务机械人正在特定时候隔断内、就历史数据实现最好状况的参数。但那样却不会确保所获的参数将同样地最为合适，即便是适用于行将到来的生意业务也是如斯。
开辟自动化买卖系统的买卖者一般都市搅浑优化和曲线拟合之类的观点。精彩优化取曲线拟合之间的界限其实不显明，很难找到。而前向测试容许客观地评价所获参数，证实确有用武之地。
颠末正在 MetaTrader 5 计谋测试法式中的优化以后，您能够挑选对发生的优化参数进行前向测试，并设置须要的限定。我们操纵以下显现的设置，运转我们生意业务机器人的前向测试。
图九
前向被设置为 1/4，也就是说，指定的隔断 2012.01.01- 2012.11.26 会被分为 4 局部。前 3/4 的汗青将被适用于查找最优参数，而最好的 25% 通报（EA 生意业务参数集）则会在盈余的 1/4 汗青数据上接受前向测试。
指定要优化的参数 - 我们会挑选那些该当会对生意业务逻辑形成危害的参数。因而，我们将优化卖力资金办理的参数。
图十
以上的组合步调，加上各值的启动取停滞，就已致使了近 500 万次的通报。正在给定的环境下，正在优化过程中利用遗传算法并插手 MQL5 云网络还不全是没有事理。
所以，我们来研究一下优化成果，此中包罗共耗时 21 分钟的前向传送，并破费哄骗云代办署理施行 4000 屡次传送的 0.26 积分。成本较量争论体式格局的示例，请见MQL5 云网络：您还在较量争论吗？
图十一
乍一看来，似乎是出错了。我们搜检后果，发觉前三个优化参数的值正在全部传送历程中都一样。并且，只有最终两个参数 Inp_Signal_ThreeEMA_StopLoss 和 Inp_Signal_ThreeEMA_TakeProfit 的值有变更。
图十二
有鉴于此，我们能够做出两种假定：
这一些参数，尤其是止损取赢利值，事实上都对生意业务成果没有危害；
遗传算法未能制止优化时代我们碰到的部分极值。
我们一同使用不异的设置和输入参数从头优化，以磨练这两种假定。这一次，前向测试成果图表看起来有些不一样了。
图十三
作为优化的成果，我们目前能够看到三个主流。这就意味着，给定生意业务机器人最终两个优化的参数仍旧显得有时。
总结： GBPUSD 上三种挪动平均线 EA 买卖的优化已标明，买卖逻辑仅取决于 7 个参数中的 3 个。
我们一同干最终一次实验，消弭优化中的不必要参数。而今，我们只有 1650 次通报。
图十四
是以，完好的参数搜索比遗传优化更有意义。这类情况下，MQL5 云网络会为我们给予更多的代办署理，而完成这一进程所需的时候还会是以大幅缩短。
图十五
此义务由 1000 个云署理正在 7 分钟内完成，且前向测试图表看起来不错。
图十六
全部前向时期的大多传送皆显示出可红利，正在初始 10.000 美圆之上的点数比亏损区域中的大许多。看起来有点盼望，但还不可以是以就说，相干参数集将来亦可红利。
交易系统中的参数数目
我们有机会看到，并不是全部可适用于设置某买卖机器人的战略参数，都能平等有效地危害买卖成果。本例 中，Inp_Signal_ThreeEMA_StopLoss 和 Inp_Signal_ThreeEMA_TakeProfit 的值对 EA 买卖性能几乎没有危害。可是，遇到具有大批参数设置的买卖机器人的情形却加倍普遍。
大批参数同意您为买卖机器人做出极度正确的设置，进而婚配其性能，以顺应极有可能在优化时代展现的特定汗青时代。
曲线拟合是指 EA 生意业务正在超越指定隔断、适用于优化的数据上，极可能就不会显现取测试数据一样的红利程度。并且，更糟糕的是，还可能会发生相称背面的后果——招致亏损。
人们信赖，买卖体系的参数设置越少，已肯定形式将在将来消逝的概率就越小。反过来还一样 - 体系中的参数越多，市场会维持其取这类经由微调的 EA 买卖同等特性的概率就越小。作为以上内容的证实，我们激烈建议您熟悉优化取实际：来源于 ATC 2011 的证据一文中供应的买卖阐发，下文我们将具体讲授。
图十七
此图表所示为全部 2011 年主动买卖锦标赛参与者的买卖成果。纵轴显现锦标赛竣事后的账户余额，而横轴则显现 EA 外部参数的数目。EA 买卖则由白色方块代表。能够清楚地看得出，正在锦标赛的前向周期开展买卖时，具有大批参数的 EA 买卖皆亏损，最多还便是没有盈没有亏。
代售生意业务机械人中外部参数的贫乏，还并不可以阐明预置生意业务规则的普遍性，更不可以被视为默默。出于由于某种原因，EA 生意业务的开发者必需直接将外部参数引入生意业务机械人内部。
极高的利润系数
很多买卖者不喜欢输掉买卖，并将此认作是某买卖系统运转妨碍的显示。事实上，因为金融市场中买卖的属性，这一些情形皆不能制止。只要一建仓，任何买卖 终极皆面临着或赢或输的局势。而买卖损失还不可制止，像一切企业一样，被视为一种自然发生的支付情势，和不可制止的支出项目。
有很多自动化生意业务系统的开发者更是走向极度，试图将亏损生意业务和毛损的数目降至最低。为实现这一方针，并改进计谋测试法式中也许获得的成果，他们又加加了同意您幸免亏损生意业务、由此加大利润系数的分外过滤器。分外过滤器有其本身的参数和设置，进而加大了输入参数的总量。
利润系数被界说为毛利除以毛损。红利体系的利润系数老是大于 1。可是，若是有些人利用过分、利用计谋测试顺序过分优化交易体系，则此数字可能会大得多。我们再来看看来源于优化取实际：来源于 ATC 2011 的证据一文中的另外一图表。
图十八
很显然，几近所有的利润系数超高的生意业务机器人，正在汗青数据测试时期，乃至都没有靠近过正在 2011 年主动生意业务锦标赛前向时期测试的事后磨练成果，几近损失了统统。这就评释，计谋测试顺序中显现的超高利润系数，只是因为调剂计谋以顺应某个适用于生意业务机器人优化的特定时间段。
基于历史数据的巨额利润
另外一个惊人的事实，大概便是某生意业务机器人描写中宣称的伟大利润。假如随附的计谋测试顺序呈报显现了超高余额，那末最有多是取曲线拟合有关。此类“印钞机”式的开发者乃至没有意想到，他们的体系曾经过分优化，而且有太多的外部参数。我们用上文提过的呈报优化取实际：来源于 ATC 2011 的证据中的另外一图表来撑持这一结论。
图十九
这类“圣杯”的购买者已成定式，全是没有经验、易于被基于历史数据的巨额利润蒙骗的人。这类情况下，此类买卖机器人能够博得利润的幻象就变得实在且有呼应。
资金治理操纵
创立一种答应您在计谋测试法式中仔细检查不良历史数据，乐成生意业务亏损最小化、回报最大化的生意业务操纵规矩，是应对生意业务机器人畸形开辟的一种最庞大、还最稀有的办法。它与所谓的资金经管相去甚远。
发明此类拟合的最好方法，便是测试正在汗青时代以外、适用于获得开发者正在生意业务机器人描写中所宣称的成果的数据。拟合范畴越宽，该生意业务机器人通不过测试的概率越大。
不必要信任任何人，乃至包罗自身
遗憾的是，取任何庞杂的顺序一样，生意业务机器人还大概包括偶然的失误。除在线生意业务，没法检测出这类失误。没有任何生意业务机器人的开发者能够保证其顺序 没有毛病，能够正确处理全部非标准的状态。即便是胜利根据测试的 EA 生意业务，将其放入开发者不克不及预感的未知状态，还大概会犯生意业务毛病，或是因严重毛病而溃逃。这类情况下，独一的隐性包管，大概便是生意业务机器人开发者的经历和声望了。
并且，已在充足长的时期内涵“旌旗灯号”办事范畴显示出主动结果的 EA 买卖，相比之下加倍牢靠也是当仁没有让的。没有管怎样，万万没有要被将来利润的计算所击倒，要记着两条仍旧有用的划定规矩：
1. 不必要信任任何人，
2. 和，任何已往的胜利都不能包管来日诰日的利润。