MT5高级回测与实盘一致性优化：破解"回测猛如虎，实盘二百五"的底层逻辑
MT5高级回测与实盘一致性优化：破解"回测猛如虎，实盘二百五"的底层逻辑
从滑点模拟、点差漂移到过拟合检测，手把手教你打造经得起实盘检验的MT5 EA
引言：为什么你的EA在回测里是印钞机，在实盘里是碎钞机？
做EA开发的人，几乎都经历过这样的"魔幻时刻"——你花了几周时间，对着MT5策略测试器反复优化参数，终于跑出了一条完美的净值曲线：年化回报率80%，最大回撤不到15%，夏普比率2.8，每一个指标都亮瞎眼。你信心满满地把EA挂上实盘，甚至还加了资金，准备迎接躺赚人生。
结果呢？第1个星期，账户小赚5%，你觉得稳了；第二个星期，净值开始横盘，你安慰自己正常震荡；第三个星期，回撤突破10%，你开始慌了，翻出回测报告对比，发现回测里从来没出现过这么大的连续亏损；一个月后，回撤突破20%，你不得不忍痛关掉EA，然后在心里骂一句：什么破回测，全是骗人的。
这不是你的错觉，也不是你一个人的遭遇。这是量化交易领域一个著名的"潜规则"——回测曲线和实盘曲线，往往是两条完全不同的线。
那么，这条鸿沟到底是怎么产生的？是MT5的策略测试器不准吗？还是你优化参数的方法有问题？或者，根本就是"回测不可能等于实盘"？
答案是：三者都有，但90%的问题出在开发者自己身上——要么是回测设置过于理想化，要么是参数优化陷入了过拟合，要么是完全忽略了真实交易环境中的摩擦成本。大多数人跑回测，本质上是在"做一道已经知道答案的题"——用全部历史数据去拟合最优参数，然后用同一批数据去验证，结果当然完美。但实盘是"闭卷考试"，面对的是完全未知的未来行情。
这篇文章，我们要做的事情很明确：系统性地拆解回测与实盘不一致的5大核心元凶，然后从MT5策略测试器的高阶设置、过拟合检测方法、代码级环境模拟、标准化上线SOP四个维度，教你如何最大限度地缩小回测与实盘的差距。目标只有一个——让你的EA，在实盘里也能打出回测时的七八成水准。
一、核心元凶剖析：回测与实盘差异的底层逻辑
在讨论解决方案之前，我们先搞清楚一个根本问题：回测和实盘之间，到底差了什么？为什么同样的策略、同样的参数，在测试器里和在真实账户里，表现会天差地别？
经过多年的实盘踩坑和社区交流，我们总结出了回测与实盘差异的5大核心元凶。它们分别是：滑点、点差漂移、流动性缺失、订单执行延迟、数据源差异。每一个都足以让一套"完美回测"的EA在实盘中面目全非。
1.1 滑点（Slippage）：看不见的利润杀手
什么是滑点？简单说，就是你下单时的期望价格和实际成交价格之间的差值。比如你想在1.0800做多EURUSD，点击下单后，实际成交价格是1.0802，这多出来的2个点，就是滑点。
在MT5策略测试器的默认设置下，滑点是0——也就是说，你想在什么价格成交，就在什么价格成交，一秒钟成交，没有任何偏差。但在真实的交易环境中，滑点是无处不在的。而且滑点的方向几乎总是对你不利的——做多的时候往上滑，做空的时候往下滑，止损的时候往更差的价格滑。
滑点对策略的影响有多大？我们来算一笔账。假设你有一套网格EA，平均每天交易20次，每次交易平均盈利5个点，月化回报率大约是10%。看起来很不错对吧？但如果实盘中每次交易有1个点的滑点（多单进高1个点，空单进低1个点，平仓再各滑1个点，一进一出总共就是4个点的滑点损耗），那每月的收益会直接减少多少？
答案是：每月交易约400次，每次滑点损耗按2个点算（取保守值），每月就是800个点的损耗。如果每手每点价值10美元，1标准手每月滑点损耗就是8000美元。对于一个1万美元的账户来说，这直接就是80%的月损耗——你的策略不仅不赚钱，还会被滑点慢慢磨死。
1.2 点差漂移（Spread Widening）：你以为固定的，其实一直在变
第二个元凶是点差漂移。什么意思？就是你回测的时候，用的是固定点差（比如EURUSD固定2个点），但真实交易中，点差是浮动的——正常时候可能只有1-2个点，但遇到新闻发布、行情剧烈波动、流动性不足的时候，点差可能瞬间扩大到5个点、10个点甚至几十个点。
点差漂移对哪些策略伤害最大？答案是：频繁交易的策略、止盈空间小的策略、以及在新闻时段交易的策略。
举个真实的案例：我们曾经测试过一套黄金网格EA，在固定点差（XAUUSD 20点）下回测，年化回报率82%，最大回撤15%，看起来非常优秀。但是当我们把点差改成"真实浮动点差"（使用真实tick数据，正常时段15-30点，新闻时段可能飙升到50-100点），结果直接大变样——年化回报率降到28%，最大回撤飙升到45%。原因很简单：这套EA在行情波动大的时候交易最频繁，而波动大的时候点差也最大，每笔交易的成本大幅上升，直接吃掉了大部分利润。
1.3 流动性缺失与订单执行延迟
第三个和第四个元凶，我们放在一起说，因为它们本质上是同一个问题的两个方面：市场有没有足够的量让你成交，以及成交需要多长时间。
在回测中，你的订单永远能在你想要的价格成交，而且是即时成交。但在真实市场中，这是不可能的。尤其是在非农、利率决议这些重大数据发布的时候，市场流动性会瞬间枯竭——你想下单，但没有对手盘，经纪商无法给你成交，价格可能直接"跳空"跳过你的入场位或止损位。
订单执行延迟（也叫Ping值延迟）则是另一个问题。你的EA在本地发出下单信号，信号通过网络传到经纪商的服务器，经纪商再把订单传到流动性提供商，成交后再原路返回。这个过程需要时间，快的话几十毫秒，慢的话几百毫秒甚至几秒。在行情波动快的时候，这几百毫秒的延迟，就可能导致你的入场价格差好几个点。
更要命的是，延迟不是固定的——网络拥堵的时候、服务器负载高的时候、行情波动大的时候，延迟都会变大。而这些延迟变大的时刻，往往也是你最需要快速成交的时刻。这就形成了一个恶性循环：越需要快速成交的时候，成交越慢、滑点越大。
1.4 数据源差异：你回测用的数据，可能和实盘根本不是一回事
最后一个元凶，也是最容易被忽略的一个：数据源差异。
很多人以为，EURUSD的行情就是EURUSD的行情，不管在哪看都一样。大错特错。不同的经纪商，因为流动性提供商不同、报价源不同，K线数据是有差异的——最高价可能差几个点，最低价可能差几个点，收盘价也可能不一样。甚至同一家经纪商的MT4和MT5数据都可能不一样。
这些差异看起来很小，但对于精确的EA策略来说，可能就是天壤之别。比如一套基于支撑阻力位突破的策略，回测时数据的最高价是1.0850，刚好突破你的入场位1.0849，触发了一笔多单，最后赚了50点。但在实盘经纪商的数据中，最高价可能只有1.0848，根本没触发入场，这笔盈利就不存在了。反过来也一样——回测里没触发的信号，实盘里可能触发了，然后亏了钱。
这就是为什么很多人会遇到一种诡异的情况：同一套EA，在A经纪商回测赚钱，在B经纪商实盘亏钱。不一定是B经纪商有问题，也可能是你回测用的数据和B经纪商的数据不一样。
二、MT5策略测试器的"欺骗性"与高阶设置
了解了五大元凶之后，我们来看解决方案的第一步：正确设置MT5策略测试器，最大限度地模拟真实交易环境。
很多人打开MT5策略测试器，选好EA和品种，点一下"开始"就完事了。但实际上，MT5策略测试器里有很多隐藏设置，默认值都是偏向"理想化"的。你用默认设置跑出来的回测，本质上是一个"理想环境下的最优表现"，和实盘差距当然大。
2.1 回测模式怎么选？"Every tick"不是越慢越好
MT5策略测试器有好几种回测模式："Every tick based on real ticks"（基于真实tick的每笔报价）、"Every tick"（每笔报价，基于一分钟数据生成）、"1 minute OHLC"（一分钟开盘最高最低收盘）、"Open prices only"（仅开盘价）等等。
很多人以为，选"Every tick based on real ticks"就一定最准确。其实未必。
首先我们要搞清楚这几种模式的区别：
Open prices only（仅开盘价）：最快，但最不准确，只适用于基于收盘价计算指标、且在新K线开盘时交易的策略。
1 minute OHLC：用一分钟K线的四个价格来模拟价格变动，速度较快，但精度有限，因为一分钟内的价格波动被简化成了"开-高-低-收"四个点。
Every tick：基于一分钟OHLC数据，通过算法"生成"tick数据（也就是模拟一分钟内的价格跳动），精度比1分钟OHLC高，但毕竟是生成的，不是真实的。
Every tick based on real ticks：使用真实的tick数据回测，理论上最准确，但速度最慢，而且需要下载真实tick数据（占用空间巨大，一个品种一年的数据可能好几个G）。
而且，"Every tick based on real ticks"也不是绝对准确的——它用的是MT5历史中心的数据，和你的实盘经纪商的数据未必完全一致。真实tick数据只能缩小差距，不能消除差距。
2.2 关键设置：自定义延迟与随机滑点
这才是MT5策略测试器最容易被忽略、但也最重要的设置项——自定义延迟和随机滑点。默认情况下它们是关闭的，但只要你打开了它们，回测结果的真实性会立刻上一个台阶。
怎么设置？在MT5策略测试器的"设置"标签页，点击"专家属性"，然后找到"测试"选项卡，你会看到以下几个关键设置：
① 延迟（Delay）：模拟订单执行延迟，单位是毫秒。默认是0。你可以根据自己的实际网络情况设置，一般设置为50-200毫秒比较合理（VPS托管可以设得低一些，家用网络设高一些）。
② 随机滑点（Random slippage）：这是核心中的核心。开启后，你可以设置滑点的范围（以点为单位）。比如你设置"最小0点，最大3点"，那么每笔订单的成交价格都会被随机加上0-3个点的滑点（方向对交易者不利）。
③ 自定义点差（Custom spread）：默认使用品种的当前点差，但你可以手动设置一个固定的点差来测试策略在高点差环境下的表现。
很多人不敢开滑点，因为一开滑点，原来完美的回测曲线就变得惨不忍睹。但这才是真实的交易世界啊！你是愿意在回测里活在梦中，还是愿意在实盘中活在现实中？越早面对真实，越早改进策略，你实盘踩的坑就越少。
2.3 其他容易忽略的设置
除了延迟和滑点，还有几个设置项也会影响回测的真实性：
入场价位偏移（Entry price deviation）：这个设置模拟的是挂单成交时的价格偏移。对于使用挂单交易（stop/limit order）的策略来说，这个设置很重要。默认是0，但真实交易中，挂单成交的价格未必就是挂单的价格。
最低手数和手数步进：不同的经纪商最低手数和手数增量可能不同。有的支持0.01手起，0.01步进；有的可能0.1手起，0.1步进。如果你的策略计算出来的手数是0.037手，但经纪商只支持0.01步进，那实际成交手数是0.04手，差异虽然不大，但累积起来也会有影响。
交易模式：MT5有两种账户模式——净仓模式（Netting）和对冲模式（Hedging）。回测时要确保选择的模式和你实盘账户的模式一致，否则多空持仓的逻辑会完全不同。
三、进阶检验法：打破过拟合的"照妖镜"
如果你以为，只要把回测设置调得真实一点，就能解决回测与实盘不一致的问题，那就太天真了。摩擦成本只是头一道关，更大的敌人叫"过拟合"（Overfitting）——这才是90%的EA实盘失效的根本原因。
3.1 什么是过拟合？为什么它是EA开发者的头号敌人？
什么是过拟合？简单说，就是你的EA参数把历史数据中的"噪声"当成了"信号"，完美地拟合了过去的行情，但这种完美只存在于历史中，一旦遇到新的行情就原形毕露。
打个比方：你用过去10年的考试真题准备考试，不是去学知识点，而是把每一道题的答案都背下来了。那你做真题卷当然能考满分，但一旦考到新题，你就什么都不会了。过拟合的EA，就是一个只会背答案的"考试机器"。
为什么说过拟合是EA开发者的头号敌人？因为它太隐蔽了。你看着回测曲线，夏普比率3.0，最大回撤10%，年化回报率100%，一切看起来都那么完美。你根本不知道它是真的有效，还是只是完美地拟合了历史数据。直到你挂上实盘，它开始亏钱，你才恍然大悟——但那时候钱已经亏了。
而且，过拟合几乎是无法完全避免的——只要你在优化参数，就一定有过拟合的成分。我们能做的，不是彻底消除过拟合，而是通过一系列检测手段，把过拟合的程度控制在可接受的范围内，并且尽可能地识别和排除那些严重过拟合的策略。
3.2 3D参数敏感度热力图：一眼识破"孤岛型"参数
检测过拟合的第一个利器，就是MT5策略测试器自带的3D优化图。很多人优化完参数，选一个收益最高的就完事了，完全不看参数分布的形态。但实际上，参数的分布形态，比单个最优参数的值重要得多。
什么意思？当你对两个参数进行优化时，MT5会生成一个3D的热力图（或者叫参数曲面图），X轴和Y轴是两个参数，Z轴（颜色）是收益或其他绩效指标。这个热力图的形态，直接反映了策略的稳健程度。
一般来说，参数分布有两种典型形态：
孤岛型：整个热力图上只有一个很小的"高点"，周围都是低地。就像一座孤零零的山峰，周围全是平原。这意味着只有非常精确的某一组参数能赚钱，稍微改动一点点，收益就大幅下降。这种参数形态，99%是过拟合的结果——它只是碰巧在历史数据的某个特殊节点上表现好，完全没有通用性。
平原型：热力图上有一大片连续的高收益区域，就像一个广阔的高原。在很大的参数范围内，策略都能获得不错的收益，只是高低略有差异。这种参数形态说明策略的逻辑是稳健的，不依赖于某个精确的参数值，过拟合程度低，实盘表现也更可靠。
怎么看3D优化图？在MT5策略测试器的"优化结果"标签页，右键点击参数列，选择"3D可视化"，然后选择你想看的两个参数和绩效指标。如果生成的图是一片连绵的山脉，说明策略稳健；如果是一根孤零零的针，那就要小心了。
3.3 Walk-Forward Analysis（前推分析）：真正的"模拟考"
检测过拟合的第二个利器，是Walk-Forward Analysis（简称WFA，前推分析或步进分析）。这是目前量化交易领域公认的、最有效的过拟合检测方法之一。
什么是前推分析？简单说，就是把历史数据分成很多段，模拟真实的优化-交易循环。比如，你有10年的数据，你可以这样做：
第1步：用第1-2年的数据优化参数，然后用第3年的数据做"样本外测试"（就好像你在第2年末优化了参数，然后第3年实盘交易）；
第2步：用第2-3年的数据优化参数，然后用第4年的数据做样本外测试；
第3步：以此类推，滚动向前……
最后，把每一年的样本外测试结果拼接起来，形成一条"前推分析曲线"。这条曲线，就模拟了"你每年优化一次参数，然后用优化后的参数交易下一年"的真实过程。
怎么判断一个策略通过了前推分析？有两个标准：
一是，前推分析的总收益不能太低。一般来说，前推分析的年化回报率至少要达到全样本最优参数年化回报率的50%以上。如果全样本最优参数年化回报率50%，前推分析年化回报率只有10%，说明策略严重过拟合。
第二，每一个样本外区间都应该是正收益（或者大部分是正收益）。如果前推分析的结果是"前5年赚了大钱，后5年亏了大钱"，说明策略的逻辑可能在中间某个时间点失效了，未来也可能继续失效。
3.4 蒙特卡洛模拟：测试策略的"抗扰动"能力
第三个检测过拟合的方法是蒙特卡洛模拟（Monte Carlo Simulation）。它的原理是：对策略的历史交易进行随机打乱或扰动，生成成百上千条"可能的净值曲线"，然后看这些曲线的分布情况。
比如，你的策略有1000笔历史交易，你可以随机打乱这些交易的顺序（就好像同样的1000笔交易，发生的顺序不一样），生成1000条不同的净值曲线。然后你可以看：在这1000条曲线中，有多少条是盈利的？最大回撤的分布是怎样的？最差的情况有多差？
蒙特卡洛模拟为什么能检测过拟合？因为如果一套策略是严重过拟合的，它的盈利非常依赖于精确的入场出场时机和特定的行情顺序。只要稍微扰动一下，比如入场晚了一根K线、或者交易顺序换一下，收益就会大幅下降，甚至从盈利变成亏损。
反过来，如果一套策略在蒙特卡洛模拟下，90%以上的随机曲线都是盈利的，最大回撤的中位数和原始曲线的最大回撤差不多，说明这套策略的逻辑是稳健的，不是靠运气或者精确拟合赚钱的。
四、代码级优化：在MQL5中引入"实盘环境模拟"机制
前面我们讲的都是MT5策略测试器的设置和检测方法，但还有一种更"硬核"的方式：直接在EA代码里加入实盘环境模拟机制，让回测从代码层面就更接近真实交易。
这种方法的思路很简单：既然MT5策略测试器默认是"理想化成交"，那我们就在代码里人为地"搞破坏"——随机给入场价加几个点的滑点、随机延迟几毫秒才下单、动态调整点差，让回测环境变得和实盘一样恶劣。如果在这么恶劣的环境下策略还能赚钱，那实盘表现大概率不会太差。
4.1 注入随机滑点：在代码层面"自找麻烦"
一是代码级模拟：随机滑点注入。原理很简单，就是在下单之前，先根据你设置的滑点范围，随机生成一个滑点值，然后调整订单价格。比如你原本想在1.0800做多，随机生成了1.5个点的滑点，那就把入场价改成1.08015。
这样做的好处是，你可以精确控制滑点的大小和分布，甚至可以模拟不同行情下的滑点差异——比如波动大的时候滑点大，波动小的时候滑点小。
下面是一个简化的随机滑点注入函数示例：
//+------------------------------------------------------------------+
//| 随机滑点注入函数 |
//| 参数: basePrice - 基准价格 |
//| type - 订单类型(OP_BUY/OP_SELL) |
//| maxSlippagePips - 最大滑点(点数) |
//| 返回: 注入滑点后的价格 |
//+------------------------------------------------------------------+
double InjectRandomSlippage(double basePrice, ENUM_ORDER_TYPE type, double maxSlippagePips)
{
// 只在回测模式下注入滑点，实盘不需要
if(!MQL5InfoInteger(MQL5_TESTER))
return basePrice;
double point = SymbolInfoDouble(_Symbol, SYMBOL_POINT);
double digits = SymbolInfoInteger(_Symbol, SYMBOL_DIGITS);
// 生成0到maxSlippagePips之间的随机滑点
// 使用MathRand()生成随机数，注意初始化随机种子
double randomPips = maxSlippagePips * (double)MathRand() / 32767.0;
double slippagePrice = randomPips * point * pow(10, digits - 3 > 0 ? digits - 3 : 0);
// 对于买单，滑点向上（价格更高）；对于卖单，滑点向下（价格更低）
if(type == ORDER_TYPE_BUY || type == ORDER_TYPE_BUY_LIMIT || type == ORDER_TYPE_BUY_STOP)
return NormalizeDouble(basePrice + slippagePrice, digits);
else
return NormalizeDouble(basePrice - slippagePrice, digits);
}
这个函数的核心逻辑是：在回测模式下（通过MQL5InfoInteger(MQL5_TESTER)判断），给订单价格加上一个随机的滑点，方向对交易者不利。在实盘模式下，函数直接返回原始价格，不做任何修改——因为实盘本身就有真实滑点，不需要我们模拟。
4.2 动态点差模拟：让回测的"交易成本"随时间变化
第二种代码级模拟：动态点差。MT5策略测试器默认用的是固定点差（或者当前点差），但真实交易中点差是随时间变化的。我们可以在代码中模拟点差的波动。
具体怎么实现？有两种方式：
方式一：基于时间的点差模型。根据不同的交易时段设置不同的点差——比如亚盘时段点差大，欧盘美盘时段点差小，新闻发布时点差激增。
方式二：基于波动率的点差模型。当市场波动率高的时候（比如大阳线大阴线），点差变大；波动率低的时候，点差变小。
下面是一个基于波动率的动态点差模拟示例：
//+------------------------------------------------------------------+
//| 计算动态点差（基于ATR波动率） |
//| 返回: 动态点差（点数） |
//+------------------------------------------------------------------+
double CalculateDynamicSpread()
{
// 只在回测时生效
if(!MQL5InfoInteger(MQL5_TESTER))
return SymbolInfoDouble(_Symbol, SYMBOL_SPREAD);
// 获取当前ATR和平均ATR
double atr = iATR(_Symbol, PERIOD_M15, 14, 0);
double avgATR = iATR(_Symbol, PERIOD_M15, 200, 0);
if(avgATR <= 0) return SymbolInfoDouble(_Symbol, SYMBOL_SPREAD);
// 基准点差（品种的典型点差，需根据实际品种手动设置）
double baseSpreadPips = 2.0; // 以EURUSD为例，基准2个点
// 波动率倍数 = 当前ATR / 平均ATR
double volatilityRatio = atr / avgATR;
// 动态点差 = 基准点差 × 波动率倍数的平方根
// 用平方根是为了让点差的增长比波动率的增长慢一些
double dynamicSpread = baseSpreadPips * MathSqrt(volatilityRatio);
// 点差上限，防止极端情况下点差过大
double maxSpread = baseSpreadPips * 5.0;
return MathMin(dynamicSpread, maxSpread);
}
4.3 成交概率模拟：不是每个订单都能成交
第三种更进阶的代码级模拟是成交概率模拟。在真实交易中，不是每个订单都能全部成交的——尤其是在行情波动剧烈、流动性不足的时候，你的订单可能会被拒单、或者滑点太大无法成交。
这个模拟的思路是：根据当前的市场波动率和流动性状况，给每个订单设定一个"成交概率"。波动率越高，成交概率越低；订单量越大，成交概率也越低。如果随机数低于成交概率，就正常成交；如果高于成交概率，就模拟订单被拒绝或者部分成交。
这种模拟对于成交量较大的策略或者高频策略特别有用，但对于普通的小资金EA来说，影响不大，了解即可。
五、建立标准化的EA上线SOP：从回测到实盘的4道关卡
最后，我们来聊一个更宏观的话题：一套EA从开发完成到实盘运行，应该经过怎样的流程？
很多人的流程是：写好EA → 跑回测 → 优化参数 → 实盘上线。这个流程太简单了，中间缺少了很多关键的验证环节。一套专业的EA上线流程，至少要经过4道关卡。每一道关卡，都是在给你的资金加一层保护。
关卡一：样本外测试（Out-of-Sample Testing）
头一道关卡是样本外测试。什么是样本外？就是你在优化参数的时候完全没有用到的数据。
正确的做法是：拿到历史数据后，先切一刀——比如前80%作为训练集（用来优化参数），后20%作为测试集（完全封存，不到最后一刻不看）。你在前80%的数据上做优化、选参数、改进策略。等你觉得策略已经足够好了，再把后20%的数据拿出来，跑一次回测。这就是样本外测试。
样本外测试的结果，比全样本回测的结果有参考价值得多。因为它模拟了一个"你从未见过的未来"。如果样本外测试的收益能达到训练集收益的60%以上，说明策略的泛化能力还不错；如果样本外直接亏钱，那不用想了，策略肯定过拟合了，回去重新改。
关卡二：加入摩擦成本的极限压力测试
第二道关卡，是在最恶劣的环境下测试策略的韧性。也就是我们前面讲的——把滑点设大、把点差设大、把延迟设高，看看策略在极端恶劣的交易环境下还能不能活下来。
怎么设才算"极限压力测试"？可以参考以下标准：
① 滑点：设置为正常水平的2-3倍（比如平时平均1个点滑点，测试时设2-3个点）；
② 点差：设置为正常水平的2-3倍；
③ 延迟：设置为正常水平的3-5倍；
④ 加入交易手续费（如果有的话）。
在这样的环境下，如果策略还能盈利（哪怕收益很低），说明它的抗风险能力很强，实盘中大概率不会死得太难看。如果在这种环境下直接爆仓，说明策略太脆弱，经不起任何风吹草动，这样的策略绝对不能上实盘。
关卡三：模拟盘跑合期（至少1个月）
第三道关卡，也是很多人跳过的一道关卡：模拟盘测试。
很多人觉得：我回测都跑了十年数据了，还需要模拟盘吗？答案是：非常需要。因为回测再真实，也还是回测。模拟盘虽然用的是虚拟资金，但它用的是真实的市场环境、真实的经纪商报价、真实的订单执行——这些都是回测无法完全模拟的。
模拟盘要跑多久？我们的建议是：至少1个月，最好能跑3个月。而且模拟盘的运行环境要和实盘完全一样——用同一个经纪商的服务器、同一个VPS、同一个MT5设置。这样跑出来的结果，才有参考价值。
关卡四：小资金实盘验证期
最后一道关卡：小资金实盘验证。这一步是无法跳过的，因为模拟盘和实盘还是有区别的——最大的区别就是心态。模拟盘亏钱你不心疼，实盘亏钱你会慌，一慌就可能乱操作，乱操作就会改变策略的表现。
小资金实盘的目的，一是验证策略在真实资金下的表现，二是验证你自己的心态——你能不能严格执行策略，能不能扛得住回撤。
小资金应该多小？建议是你计划投入总资金的5%-10%。这个比例既不会让你亏太多，又足以让你有真实的"痛感"，真正检验你的心态。
小资金实盘跑多久？建议至少2-3个月，或者至少经历一个完整的行情周期（从趋势到震荡再到趋势）。如果小资金实盘的表现符合预期，再逐步加仓。加仓的节奏也要控制——不要一下子从10%加到满仓，可以分3-4次加，每次加完观察一段时间。
结语：敬畏市场，回测只是起点
写到这里，这篇文章的主要内容就差不多了。最后，我们来聊几句心里话。
很多EA开发者刚入门的时候，都把回测当成了"终点"——觉得跑出一条漂亮的曲线，就等于找到了赚钱的金钥匙。但实际上，回测只是一个"起点"。它只能证明一件事：你的策略逻辑在历史数据上是成立的。仅此而已。
回测不能证明未来会怎么样，更不能保证你能赚钱。市场一直在变，策略一直在老化，黑天鹅随时可能发生。你今天觉得完美无缺的策略，明天可能就失效了。这就是量化交易的现实——没有永远有效的策略，只有不断适应市场的交易者。
所以，不要迷信回测，不要迷信参数优化，更不要迷信"年化百分之几百"的EA销售话术。真正能在市场里长期赚钱的策略，往往回测看起来没那么惊艳——年化可能只有20%-30%，最大回撤10%-15%，夏普比率1.5左右。但它的逻辑是清晰的，参数是稳健的，实盘表现和回测差距不大，能够长期稳定地复利。
慢就是快。在量化交易的世界里，这句话尤其正确。
希望这篇文章能帮你建立起对回测的正确认知，掌握检验策略有效性的科学方法，让你在EA开发的道路上走得更稳、更远。记住：回测不是为了证明策略有多好，而是为了尽可能地发现策略的问题。发现得越多，实盘踩的坑就越少。
扫码关注，获取更多MT5 EA开发干货
视频号：晓晖编程
微信号：XiaoHuiProgramming