MT5编程方法

MT5策略测试报告避坑指南:识破Sharpe、最大回撤与盈亏比的“美化”陷阱

晓
晓辉
🕐 2026年11月18日 👁 2841 阅读
MT5策略测试报告避坑指南:识破Sharpe、最大回撤与盈亏比的“美化”陷阱
M

风险提示:本文为软件开发与技术服务类技术文章,仅用于MQL5程序化开发的技术交流与软件工程实践探讨。文中涉及的策略测试报告解读、统计指标口径分析、OnTester自定义统计与优化准则等内容,均为软件工程原理演示与教学用途,不构成任何投资建议、交易策略推荐或收益预期。外汇、贵金属、CFD等杠杆交易存在较高风险,可能导致重大本金损失。回测结果基于历史数据模拟,不代表未来表现,历史表现不能预测未来收益。文中代码片段仅供学习参考,需经人工审查、编译测试与充分的模拟盘验证后方可使用,直接投入实盘可能造成资金损失。本网站仅提供软件开发技术服务,不涉及任何交易平台运营、经纪业务或投资咨询业务。

回测报告容易被误读的地方,往往不是数字算错了,而是数字算对了、口径却不是你以为的那个。同一份MT5策略测试报告,Sharpe里的无风险利率被按零处理,最大回撤分余额和净值两套算法,连续亏损按“交易”而不是按“成交”计数——三处口径叠在一起,足以让一条扛单曲线看起来相当平滑。这篇不谈怎么跑回测,只讲怎么读报告:哪些字段的定义与直觉不同,哪些字段需要交叉着看才有效,以及怎么用OnTester把默认报告看不见的那部分风险自己算出来。

一、回测赚钱实盘亏钱:先怀疑读法,再怀疑策略

报告是“一次实验的记录”,不是策略的属性。同一份EA代码,换tick建模方式、换历史区间起点、换初始入金,报告里每个数字都会变——而这些条件通常不写在结论里。所以读到“净盈利多少、Sharpe多少”时,第一件事不是判断策略好不好,而是确认这份报告是在什么条件下跑出来的。

误读通常有三条路径。第一条,把测试器的默认口径当成行业通用口径,比如以为报告里的Sharpe和基金年报上的Sharpe是一回事。第二条,只看终点的净盈利,不看中间的路径——净盈利相同、路径完全不同的两条曲线,在实盘里是两个风险等级。第三条,拿不同工具、不同采样频率算出来的指标横向比较,比出来的差异往往只反映口径差异,不反映策略差异。

这三条都不是算错,是读错。所以下面按字段拆:每个字段官方怎么算、在什么情况下会失真、以及用哪个字段能把它校回来。

重点提示:报告的第一屏应该先看实验条件——历史区间、建模方式、初始入金、点差与手续费设定、EA版本与参数。条件不可比的报告,结果数字再漂亮也不能放在一起比较。判断标准很直接:如果两份报告说不出各自的条件,那它们之间的差异就无法归因。

二、Sharpe:分子里的无风险利率被按零处理

MT5帮助文档给出的定义是:(Return − Risk-Free Rate) / Standard Deviation of Return,并明确说明“在策略测试中,假设无风险利率为零”。这一句决定了这个字段的性格:分子就是策略收益本身,没有任何基准扣减;分母是收益的标准差,上行波动和下行波动被同等计入。

第一处失真来自分子不含机会成本。收益率低于无风险资产时,比率仍可能是正的,只要波动足够小。所以一个“波动很低、收益也很低”的策略,Sharpe可以比一个“波动中等、收益明显更高”的策略更好看。这不是计算错误,是定义决定的。

第二处失真来自分母对上行波动同样敏感。少数几笔幅度很大的盈利会把标准差推高,反而压低Sharpe;反过来,长期小赚、尾部大亏的曲线,在亏损尚未平仓之前不进入已实现收益序列,曲线看起来很平滑,Sharpe也就偏高。扛单、网格、马丁类策略的Sharpe失真,主要来自这一条——它衡量的是已实现收益的稳定性,而不是账户承受的风险。

第三处是采样频率。按笔、按日、按月三种频率算出来的Sharpe是三个不同的数,而MT5用的是测试器自身的收益序列,与按月度收益年化后手算的值不是同一口径。

知识点:官方帮助对Sharpe给出的分段解读是:小于0表示策略无利润;0到1之间表示承担的风险未获得回报,属于“不明确”;大于等于1表示风险可能获得了回报;大于等于3表示单笔交易亏损的概率很低。这段解读成立的前提是同一个测试器、同一段区间、同一套成本假设,跨来源直接套用没有意义。

报告字段 官方口径 容易被读成
Sharpe比率 (收益 − 无风险利率) / 收益标准差,测试中无风险利率按零 风险调整后的优劣排名
结余亏损最大值 余额曲线局部高点与下一个局部低点的差额 账户真实承受的回撤
净值亏损最大值 净值曲线局部高点与下一个局部低点的差额,含浮亏 与结余口径可以互相替代
盈利因子 毛利 / 毛损绝对值;毛损为零时按DBL_MAX处理 数值越大策略越稳
恢复因子 净盈利 / 金额口径的最大回撤 与百分比回撤口径等价
GHPR / AHPR 逐笔比例变化的几何平均 / 算术平均 两个数接近,随便看一个

操作参考:要比较两份报告的Sharpe,先把采样口径抄在纸上:哪个测试器、哪段区间、什么建模方式、成本怎么设。四项里有一项不同,就只做定性参考,不做排序。这一步花不了一分钟,但能避免后面所有基于错误排序的判断。

三、最大回撤:余额口径看不见浮亏

官方给了三个回撤字段,每个都分余额和净值两套。亏损绝对值 = 初始入金 − 期间最低余额;亏损最大值 = Max[局部高点 − 下一个局部低点];亏损相对值 = Max[(局部高点 − 下一个局部低点) / 局部高点 × 100]。净值的三个字段算法完全相同,只是把余额换成净值。

关键差异在“什么时候变”。余额只在平仓时变化,浮亏不进余额;净值随报价实时变化,浮亏立刻反映。所以扛单类策略的余额回撤可以很小,净值回撤才是账户实际承受的资金压力。只看“结余亏损最大值”,等于主动放弃了浮亏那一半信息。

第二个坑在百分比。STAT_BALANCEDD_PERCENT记录的是“金额最大回撤那一刻”对应的百分比,而STAT_BALANCE_DDREL_PERCENT才是“最大百分比回撤”。曲线形状不均匀时,两者不是同一个数:一笔金额很大的回撤可能发生在资金规模较大的阶段,百分比并不高;而百分比最高的那次回撤,金额未必最大。报告里括号中的百分比是前者,容易被当成后者来读。

// OnTester 内:量化余额口径藏起来的那部分浮亏
double ddBal = TesterStatistics(STAT_BALANCE_DD);   // 金额口径余额回撤
double ddEq  = TesterStatistics(STAT_EQUITY_DD);    // 金额口径净值回撤
if(ddEq > 0.0)
  {
   double hidden = (ddEq - ddBal) / ddEq * 100.0;   // 浮亏占净值回撤的比例
   PrintFormat("balanceDD=%.2f equityDD=%.2f hidden=%.1f%%",
               ddBal, ddEq, hidden);
  }

这段代码只做一件事:把两个回撤字段放在一起看,算出浮亏在净值回撤里占多大比例。这个比例接近零,说明浮亏很小、余额曲线与净值曲线几乎重合;比例很大,说明报告里好看的余额回撤是靠“没平仓”换来的。它不告诉你策略好坏,只告诉你风险藏在哪一层。

知识点:回撤字段成对出现:STAT_BALANCE_DD配STAT_BALANCEDD_PERCENT,STAT_EQUITY_DD配STAT_EQUITYDD_PERCENT,都是“金额最大那一刻的百分比”;而STAT_BALANCE_DDREL_PERCENT与STAT_EQUITY_DDREL_PERCENT是“百分比最大的那一次”。TesterStatistics统一返回double,整型统计量需要自行转换。

风险提示:测试期间如果发生出金,回撤会按出金后的余额与净值重新计算,并且历史记录过的较高回撤仍会纳入最终结果。这意味着“带出金计划”的测试与“不带出金”的测试,回撤字段不可直接比较。做横向对比前,先确认两者的出入金设定一致。

四、连续亏损与盈亏比:按“交易”计数的盲区

报告的“交易总数”统计的是平仓后结果为盈或亏的交易数,而“成交”是另一层计数:部分平仓、加仓都会增加成交记录,一个持仓可以有多次成交,但仍计为一笔交易。这个区别在加仓类策略上会直接改变结论——报告显示的“最大连续亏损笔数”背后,可能是同样数量的持仓、数倍的成交记录、以及一条连续衰减的资金曲线。

这里还有一组极易配错的字段。STAT_CONLOSSMAX 是亏损序列中的最大亏损金额(小于等于零),与它配对的是 STAT_CONLOSSMAX_TRADES,即那一段的交易数;STAT_MAX_CONLOSSES 是最长亏损序列的亏损总额,与它配对的是 STAT_MAX_CONLOSS_TRADES。四个字段两两成对,交叉配就会读错——你以为在看最长的那段,实际看的是亏得最多的那段。它们告诉你亏了多少、亏了几笔,但都不告诉你这段亏损在时间上持续了多久、期间浮亏有多深。

盈亏比的口径是毛利除以毛损,官方写明STAT_GROSS_LOSS恒小于等于零,所以分母取其绝对值。这里有一个容易被当成优势的边界:如果毛损等于零,帮助文档明确盈利因子按DBL_MAX处理。样本里一笔亏损都没有,报告就会显示一个极大的盈亏比——它说明的是样本里没有亏损交易,不是策略不会亏损。

double g_runSum = 0.0;   // 当前连续亏损段的累计亏损
double g_runMax = 0.0;   // 历史上最深的一段
int    g_runCnt = 0, g_runMaxCnt = 0;

void OnTradeTransaction(const MqlTradeTransaction &t,
                        const MqlTradeRequest &r,
                        const MqlTradeResult &s)
  {
   if(t.type != TRADE_TRANSACTION_DEAL_ADD || t.deal == 0) return;
   if(!HistoryDealSelect(t.deal)) return;
   if((ENUM_DEAL_ENTRY)HistoryDealGetInteger(t.deal, DEAL_ENTRY) != DEAL_ENTRY_OUT) return;
   double p = HistoryDealGetDouble(t.deal, DEAL_PROFIT)
            + HistoryDealGetDouble(t.deal, DEAL_SWAP)
            + HistoryDealGetDouble(t.deal, DEAL_COMMISSION);
   if(p < 0.0)
     {
      g_runCnt++;  g_runSum += -p;
      if(g_runSum > g_runMax)    g_runMax = g_runSum;
      if(g_runCnt > g_runMaxCnt) g_runMaxCnt = g_runCnt;
     }
   else { g_runCnt = 0; g_runSum = 0.0; }   // 一笔盈利就归零
  }

这段按“平仓成交”计数,而不是按“交易”计数,同时累计金额。加仓类策略在这里会暴露出真实形状:笔数可能不多,累计亏损却一路走高。把这个值打进日志或作为OnTester的输入,比读报告里那个“最大连续亏损笔数”更接近账户实际承受的连续压力。

进阶思考:把“连续亏损”从笔数换成金额,会得到另一套结论。笔数统计隐含假设每笔亏损规模接近,而加仓类策略的亏损是递增的——第一笔小亏,加到第五笔时单笔亏损可能是第一笔的数倍。所以按金额累计的连续亏损段,比按笔数的连续亏损更贴近账户实际承受的压力。这个换算是读报告时值得养成的习惯。

风险提示:盈利因子偏高还有另一个来源:少数几笔幅度很大的盈利撑起了毛利。判断方法是看单笔最大盈利占毛利的比重,以及GHPR与AHPR的差。GHPR是逐笔比例变化的几何平均,AHPR是算术平均,官方帮助里就写明算术平均通常会高估盈利能力。两个数差得越大,说明盈利越依赖少数几笔的结果。

五、交叉验证清单:把报告读成“最坏情况”

四步走查,都不需要额外工具,在报告和OnTester里就能做完。前两步在报告里读,后两步要动手重跑。

步骤 看哪个字段 判据 暴露的问题
曲线分离 结余亏损最大值 vs 净值亏损最大值 两者差距越大,浮亏占比越高 靠扛单维持的平滑余额曲线
盈利集中度 单笔最大盈利 / 毛利,GHPR 与 AHPR 前几笔占比高、GHPR明显低于AHPR 净盈利由少数交易支撑
参数扰动 最优参数附近的净盈利与净值回撤 微调即明显下滑,或回撤大幅跳升 最优点是尖峰,鲁棒性不足
样本外验证 同参数在未参与优化的区间重跑 指标方向与量级是否保持 样本内优势无法延续

最后一步是把结论固化下来。MT5的自定义优化准则是OnTester的返回值,优化时按该值最大化。默认优化只看净盈利,回撤不参与打分;把回撤做进返回值,优化目标就从“赚得多”变成“赚得住”。

double OnTester()
  {
   double net    = TesterStatistics(STAT_PROFIT);
   double ddEq   = TesterStatistics(STAT_EQUITY_DD);
   double trades = TesterStatistics(STAT_TRADES);
   if(trades < 30 || ddEq <= 0.0) return(0.0);   // 样本不足或零回撤,不给分
   double recov   = net / ddEq;                  // 净利与净值回撤之比
   double ddPct   = TesterStatistics(STAT_EQUITY_DDREL_PERCENT);
   double penalty = 1.0 / (1.0 + ddPct / 100.0); // 回撤越大,惩罚越重
   return(recov * penalty);                      // 优化时最大化该值
  }

这段的关键不在公式,在两个前置判断。样本不足直接返回零,避免几十笔交易的偶然结果被优化器当成优秀解;回撤为零直接返回零,避免“没有回撤”被当成无限好——零回撤通常意味着没有交易,或者测试区间太短。惩罚项用除法而不是减法,是为了让回撤的边际代价随幅度递增,而不是线性摊薄。

操作参考:三步走查按顺序做,任一步不通过就先回代码找原因,不要靠调整测试区间把数字调好看。调区间让曲线变漂亮,本质是把过拟合从参数层搬到了数据层,问题没有消失,只是换了个地方藏。

进阶思考:自定义准则的返回值不要求是钱,可以是一套评分。常见的做法是把净利、回撤、交易数、连续亏损段合成一个加权值,权重由风险偏好决定。代价是评分一旦固定,优化就会朝这个评分的方向专门化——你定义什么算好,优化器就只朝那个方向找。所以评分函数本身也需要在样本外检验一次。

回测报告的价值不在它给出的收益数字,而在它能说明策略在什么条件下会失效。Sharpe的无风险利率按零算、余额回撤不含浮亏、连续亏损按交易而不是按成交计数——这三处口径不是缺陷,是定义,读报告的人需要知道定义的边界在哪。评估的落脚点应该是最坏情况下的回撤能不能承受,而不是顺境下的收益有多高。

风险提示:本文内容仅供软件开发与技术学习参考,不构成任何投资建议或交易指导。程序化交易存在较高风险,可能导致重大本金损失。文中涉及的统计字段口径、回撤计算方式与自定义优化准则均为技术原理演示,未经完整工程化封装,直接复制使用可能存在统计函数调用时机不当、优化样本不足、评分函数过拟合、测试区间选择偏差等缺陷,需经人工审查、编译测试与充分的模拟盘验证。文中参数、账户数值与测试结果均为示例占位,与任何真实账户或真实策略无关。文中API名称、常量与行为描述依据MQL5官方文档与MetaTrader 5帮助文档整理,具体行为以对应build的官方文档与实测结果为准。实盘应用前请自行决策并承担相应风险。本网站仅提供软件开发技术服务,不涉及任何交易平台运营、经纪业务或投资咨询业务。

第三方免责声明:本文仅代表作者个人技术观点,与任何经纪商、交易平台或金融机构无关。文中提及的MetaTrader 5、MQL5、MetaEditor、Strategy Tester、TesterStatistics、ENUM_STATISTICS、STAT_PROFIT、STAT_GROSS_PROFIT、STAT_GROSS_LOSS、STAT_PROFIT_FACTOR、STAT_EXPECTED_PAYOFF、STAT_RECOVERY_FACTOR、STAT_SHARPE_RATIO、STAT_TRADES、STAT_BALANCE_DD、STAT_BALANCEDD_PERCENT、STAT_BALANCE_DDREL_PERCENT、STAT_EQUITY_DD、STAT_EQUITYDD_PERCENT、STAT_EQUITY_DDREL_PERCENT、STAT_CONLOSSMAX、STAT_MAX_CONLOSS_TRADES、OnTester、OnTradeTransaction、MqlTradeTransaction、TRADE_TRANSACTION_DEAL_ADD、HistoryDealSelect、HistoryDealGetInteger、HistoryDealGetDouble、DEAL_ENTRY、DEAL_ENTRY_OUT、DEAL_PROFIT、DEAL_SWAP、DEAL_COMMISSION、DBL_MAX 等名称与产品,其商标与权利归各自所有者所有,本文仅作技术说明与交流引用,不构成任何推荐、背书或商业合作关系。文中关于指标计算口径、回撤定义与优化准则的描述依据公开文档整理,具体表现以各版本官方说明与实测为准。读者应自行核实相关信息,因使用本文内容而产生的直接或间接损失,作者不承担任何责任。本文不推荐任何具体的经纪商、交易平台或EA产品。

扫码关注,获取更多EA开发干货

晓辉编程微信公众号

微信公众号

晓晖编程视频号

视频号

🎲 猜你喜欢

首页 文章 下载 产品 定制
回到顶部 ↑ 搜索 🔍 EA定制 ⚙️
微信咨询 💬
晓辉微信二维码

扫码加微信
XiaoHuiProgramming