EA-16727 · 机器学习
Artificial Intelligence
该EA使用受神经网络启发的方法来预测价格走势方向，采用在历史价格数据上训练的多层感知器(MLP)架构。它通过网络处理来自价格和指标值的归一化输入特征后生成买入/卖出信号，并根据训练好的模型预测自主开仓和管理仓位。
打开交互版（权益曲线、切换品种）基本信息
回测结果（H1，约 1 年）
| 品种 | 盈亏 | 年化 | 最大回撤 | 交易数 | 胜率 | 夏普 | 恢复因子 | 最长连亏 | 每笔期望 | 状态 |
|---|---|---|---|---|---|---|---|---|---|---|
| EURUSD | -5.66% | -4.94% | 8.28% | 96 | 43.20% | -1.24 | -0.68 | 9 | −$5.60 | 可靠 |
| GBPUSD | -3.57% | -3.11% | 5.63% | 97 | 48.50% | -0.64 | -0.63 | 7 | −$3.68 | 可靠 |
| USDJPY | +5.94% | +5.14% | 3.14% | 100 | 48.50% | 1.18 | 1.89 | 6 | +$5.84 | 可靠 |
| XAUUSD | -54.96% | -48.27% | 83.47% | 89 | 47.70% | 0.45 | -0.66 | 8 | −$59.64 | 可靠 |
在 4 个有可信结果的品种中，1 个盈利。
由 MQL5 自动转换为 Python，所有 EA 使用同一套规则回测：按 MT5 手数计仓（外汇每手 10 万单位、黄金每手 100 盎司），1:100 杠杆，同一时间只有一张挂单，净值跌破初始资金 10% 时强平。夏普比率按权益曲线计算。标为不可靠的结果仅供参考。
按月看
| 品种 | 盈利月份占比 | 最好的月份 | 最差的月份 |
|---|---|---|---|
| EURUSD | 31% | +1.27% 2026-02 | -1.86% 2026-10 |
| GBPUSD | 46% | +1.76% 2026-08 | -2.80% 2026-09 |
| USDJPY | 54% | +2.46% 2026-04 | -2.50% 2026-08 |
| XAUUSD | 38% | +105.92% 2026-02 | -35.97% 2025-12 |
根据回测净值曲线计算（约每两天一个点），只统计可信结果。
爆仓风险: 未发现爆仓模式
代码里没有发现常见的爆仓模式，回测中账户也没有爆仓。但这不是保证，任何 EA 都可能亏钱。
高：回测中爆仓，或使用马丁/网格加仓且不设止损。偏高：马丁或网格加仓但有止损，或不设止损且可同时持有多个仓位。 标签的含义和我们的发现 →
策略分析
策略概念基于人工神经网络的多层感知器模型，通过输入层接收归一化的价格特征和指标数据，经过隐藏层的非线性变换后在输出层产生交易方向预测。入场条件为神经网络输出值超过预设阈值时触发买入或卖出信号，通常结合多个技术指标如移动平均线、RSI、MACD等作为输入特征。出场条件依赖止盈止损设置或反向信号生成，部分版本还包含追踪止损功能。仓位管理采用固定手数或基于账户余额的比例手数计算方式，但通常缺乏高级资金管理策略如凯利公式或动态风险调整。资金管理方面，该EA的风险控制主要依赖静态止损和手数设定，缺乏自适应的仓位调整机制来应对市场波动率变化，整体风险敞口取决于网络预测的准确率和止损距离的设置。
优势
- 利用机器学习方法自适应学习市场模式，理论上能捕捉非线性价格关系
- 多指标输入特征提供多维市场视角，增强信号可靠性
- 神经网络可定期重新训练以适应市场状态变化
- 自动化程度高，无需人工干预即可完成从分析到交易的完整流程
- 内置止损止盈机制提供基本风险保护
劣势
- 神经网络容易过拟合历史数据，在实盘中表现可能远逊于回测结果
- 缺乏高级资金管理策略，固定手数方式无法根据市场波动率动态调整风险敞口
- 训练数据量和质量对模型效果影响极大，数据不足时预测能力显著下降
- 黑盒特性使得策略逻辑难以解释和调试，出现亏损时难以定位问题根源
- 未包含滑点和点差的充分过滤，在高频交易环境下可能导致实际执行偏离预期
改进建议
- 增加交叉验证和样本外测试机制以防止过拟合，引入正则化技术如Dropout或L2正则化
- 实现动态仓位管理，根据当前账户权益、市场波动率(ATR)和模型置信度自适应调整手数
- 加入市场状态识别模块，在不同市场环境（趋势/震荡/高波动）下切换不同的模型参数
- 增加滑点保护和点差过滤机制，在流动性不足或点差过大时禁止开仓
风险评估
总体风险: 中等
- 神经网络过拟合风险导致实盘表现不稳定，历史回测可能严重高估策略收益
- 缺乏动态止损调整机制，在剧烈波动行情中固定止损可能不足以保护账户
- 黑盒模型的不可解释性增加了策略失效时快速定位和修复的难度
- 未对交易时段和市场流动性进行过滤，可能在低流动性时段产生虚假信号
评估得分
代码质量3.0
策略逻辑3.0
风险管理2.0
稳健性2.0
创新性4.0
文档2.0
综合2.7
参数
| 参数 | 默认值 | 说明 |
|---|---|---|
Lots | 0.1 | 每笔交易的固定手数 |
StopLoss | 50 | 止损点数 |
TakeProfit | 100 | 止盈点数 |
TrailingStop | 0 | 追踪止损点数，0为禁用 |
InputLayerSize | 8 | 神经网络输入层节点数 |
HiddenLayerSize | 6 | 神经网络隐藏层节点数 |
LearningRate | 0.01 | 神经网络学习率 |
Threshold | 0.5 | 信号触发阈值 |
TrainingPeriod | 1000 | 训练历史数据周期（K线数） |
同类 EA：机器学习
回测是历史模拟，不代表未来收益，不构成投资建议。