MetaTrader 5帮助 → 算法交易, 交易机器人 → 测试报告

测试报告

您可以在 "结果" 栏里查看详细报告。

以下参数可用于测试报告:

历史品质 ― 此值代表用于测试的价格数据品质。它被确定为正确和错误的一分钟数据的百分比比率。具有不同OHLC值的交易量等于1的柱形图被认为是不正确的。历史缺口也被认为是不正确的数据。根据大小, 测试周期划分为 1 - 199 份间隔。它们当中的每一份都将分别进行历史数据品质检测。时间间隔会以不同颜色显示在历史数据品质的图形指标上 (浅绿色代表品质优良, 红色表示此间隔的品质低于 50%)。
柱线 ― 生成的测试品种柱线数量;
分时 ― 测试期间分时模拟数量;
品种 ― 品种数量, 智能交易系统测试期间的请求信息;
初始存款 ― 初始存款用于测试;
提款 ― 在测试期间智能交易系统的提款数额。如果没有提款, 则此字段不会显示;
净盈利总额 ― 所有交易的财会结果。
毛利 ― 所有可盈利交易的资金总和;
毛损 ― 所有亏损交易的资金总和;
结余亏损绝对值 ― 整个测试期间，初始入金和低于初始入金最低水平之间的差额。AbsoluteDrawDown = InitialDeposit - MinimalBalance，请见亏损计算示例。
结余亏损最大值 ― 最高本地结余值和下一个最低账户结余值之间入金货币的差额。最大亏损值以百分比形式显示在括号中。MaximumDrawDown = Max[Local High - Next Local Low]，请见亏损计算示例。
结余亏损相对值 ― 最高本地结余值和下一个最低账户结余值之间的差额百分比。最大亏损值以货币形式显示在括号中。RelativeDrawdown = Max[(Local High - Next Local Low)/Local High * 100)]，请见亏损计算示例。
净值亏损绝对值 ― 整个测试期间，初始入金和低于初始入金最低水平之间的差额。这个计算类似于结余亏损绝对值。
净值亏损最大值 ― 最高本地净值和下一个最低净值之间入金货币的差额。最大亏损值以百分比形式显示在括号中。这个计算类似于结余亏损最大值。
净值亏损相对值 ― 最高本地净值和下一个最低净值之间的差额百分比。最大亏损值以货币形式显示在括号中。这个计算类似于结余亏损相对值。
盈利因子 ― 毛利和毛损的比率。数值为一则表示参数相等;
恢复因子 ― 此值反映了策略的风险程度, 即智能交易系统冒险使用资金博取盈利的数额。它的计算方法, 所获盈利与最大回撤的比值;
AHPR ― 一笔交易的算术平均值 (变化百分比)。每笔交易的净值变化算术平均值。算术平均相较于几何平均, 通常会高估交易系统的盈利能力。如果几何平均值意味着每笔交易结果的乘积, 那算术平均只是对其求和。数值在括号里给出。如果交易系统可盈利, 则数值为正。如果交易系统亏损, 则数值为负。
GHPR ― 一笔交易的几何平均值 (变化百分比)。几何平均值显示每笔交易之后资本变化的平均倍数。相对净值变化往往比预期回报的评估更加客观。资本变化百分比在括号里给出。括号内的负数意味着每笔交易都会减少平均资本。
预期回报 ― 一个统计计算值, 显示一笔交易的平均回报。而且, 它可当作显示下一笔交易的预期回报;
夏普比率 ― 一种经典的衡量标准，通常用于评估投资组合经理、基金业绩或交易系统的表现。该比率计算为(Return – Risk-Free Rate)/Standard Deviation of Return。在策略测试中，假设无风险比率(Risk-Free Rate)为零。夏普比率通常描述如下：

夏普比率 < 0 ― 该策略无利润。不好。
0 < 夏普比率 < 1.0 ― 风险不会得到回报。当没有其他选择时，可以考虑这种策略。不明确。
夏普比率 ≥ 1.0 ― 这可能意味着风险得到回报，并且投资组合/策略可以显示结果。好。
夏普比率 ≥ 3.0 ― 高数值表示在每笔特定交易中获得损失的概率非常低。非常好。
LR 相关性 ― 线性回归相关性。余额图是虚线, 它可以用直线来近似。为了找到直线的坐标, 应用了最小二乘法。将所得直线称为 "线性回归", 并可评估余额图距线性回归的偏离。余额图和线性回归之间的相关性可以评估资本变动的程度。余额曲线上陡峰和陡谷越少, 参数值越接近 1。数值靠近零意味着交易随机性。
LR 标准误差 ― 余额距线性回归偏离的标准误差。此指数用于评估余额图表距线性回归偏离的资金值。系统的初始条件类似 (相同初始净值) 比较才有意义。数值越高, 余额距直线的偏离越多。
保证金级别 ― 测试期间注册的最小保证金级别百分比;
Z-分数 ― 一系列测试 (交易之间的可能相关性)。系列测试可以评估交易之间的相关性程度, 并评估交易历史当中是否包括隐藏的或多/或少连续盈利/亏损的周期超过正常分布。已检测的相关性可用于资金管理方法, 和/或修改交易系统算法来最大化盈利, 和/或去除依赖。在交易之间, 不去发现彼此间的真实相关性, 以及找了然而相关性不存在, 这两者都很危险。Z-分数表示距西格玛正态分布的偏差。数值高于 3 表示获胜一次之后紧随一次失败的概率是 3 西格玛 (99.67%)。数值低于 -3 表示获胜一次之后再次获胜的概率是 3 西格玛 (99.67%).
OnTester 结果 ― 智能交易系统 OnTester 函数的返回值, 作为测试结果。它对应于优化的自定义准则 ;
交易总数 ― 交易总数 (成交结果有固定的盈利/亏损);
(成交总数) ― 成交总数;
空头交易 (胜率 %) ― 有盈利结果的卖出金融工具的交易数量, 和可盈利空头交易的百分比;
多头交易 (胜率 %) ― 有盈利结果的买入金融工具的交易数量, 和可盈利多头交易的百分比;
盈利交易 (总数的 %) ― 可盈利交易的数额和交易总数的百分比;
亏损交易 (总数的 %) ― 亏损交易的数额和交易总数的百分比;
最大盈利交易 ― 所有可盈利交易的最大盈利;
最大亏损交易 ― 所有亏损交易的最大亏损;
平均盈利交易 ― 每笔交易的平均盈利值 (盈利总额除以获胜交易的数量);
平均亏损交易 ― 每笔交易的平均亏损值 (亏损总额除以失败交易的数量);
最大连续获胜 ($) ― 最长获胜序列和它们的赢利总额;
最大连续亏损 ($) ― 最长亏损序列和它们的亏损总额;
最大连续盈利 (计数) ― 可盈利交易序列的最大盈利, 以及序列中可盈利交易的数量;
最大连续亏损 (计数) ― 亏损交易序列的最大亏损, 以及序列中亏损交易的数量;
平均连续获胜 ― 在可盈利序列中的获胜交易平均值;
平均连续亏损 ― 在亏损序列中的亏损交易平均值。
相关性 (盈利, MFE) ― 回报之间的相关性, 和 MFE (最大有利偏移, 持仓期内产生的最大潜在盈利)。每笔持仓在开仓和平仓之间有其最大盈利和最大亏损。MFE 显示盈利如何在价格上有利偏移。每笔持仓有其结果和两个参数 ― MFE 和 MAE (最大不利偏移, 持仓期内产生的最大潜在亏损)。因此, 每笔持仓都可在平面上绘出, 此处 MFE 沿 X-轴作图, 而结果沿 Y-轴作图。结果靠近 MFE 时, 意味着更彻底的有利价格偏移。图上的直线显示函数盈利=A*MFE+B 的近似位置。相关性(盈利,MFE) 可以评估盈利/亏损和 MFE 之间的关系。数值接近 1 意味着交易与近似直线贴合得很好。数值接近零意味着弱相关性。MFE 体现实现潜在盈利的能力。
相关性 (盈利, MAE) ― 结果之间的相关性和 MAE (最大不利偏移)。每笔持仓在开仓和平仓之间触及其最大盈利和最大亏损。MAE 显示亏损如何在价格上不利偏移。每笔持仓有其结果和两个参数 ― MFE 和 MAE。因此, 每笔持仓都可在平面上绘出, 此处 MAE 沿 X-轴作图, 而回报沿 Y-轴作图。结果靠近 MAE 时, 意味着更彻底的保护, 对抗不利价格偏移。图上的直线显示函数盈利=A*MAE+B 的近似位置。相关性(盈利,MAE) 可以评估盈利/亏损和 MAE 之间关系。数值接近 1 意味着交易与近似直线贴合得很好。数值接近零意味着弱相关性。MAE 描绘持仓周期内的回撤, 以及保护性止损的使用特点。
相关性 (MFE, MAE) ― MFE 和 MAE 之间的相关性。它显示两行特性之间的相关性。理想值是 1 - 我们取最大盈利并在持仓周期内进行保护。数值接近零, 则表示几乎没有任何相关性。
最小持仓时间 ― 在开仓和完整平仓之间的最小时间。完整平仓是将其全部结算; 计算值不考虑部分平仓或仓位反转。
最大持仓时间 ― 在开仓和完整平仓之间的最大时间。
平均持仓时间 ― 测试期间, 开仓和完整平仓之间的平均时间。