两个竞技场，一个平台
QuantArenas 运营两个互补的研究模块。策略竞技场覆盖在多种标的与时间窗口下评分排名的系统化股票策略。EA 竞技场提供源自 MQL5 CodeBase 的 AI 分析 MQL5 Expert Advisor，每个 EA 均配备双语描述、参数文档与类别分类（交易型 vs. 工具型）。
QuantArenas 不是信号服务、券商平台，也不是自动化交易系统。它不会发布买卖提醒、提供个性化投资建议，或承诺任何结果。这里展示的策略与 EA 均为研究模型，旨在供读者审视、复核并进行压力测试。平台的目标，是让策略行为更加清晰可见，而不是提供开箱即用的产品或业绩保证。
EA 竞技场：MQL5 分析流水线
EA 竞技场使用由 NVIDIA GLM-5.1 驱动的自动化流水线分析 MQL5 Expert Advisor。每个 EA 从 MQL5 CodeBase 提取后，经过策略逻辑解析，并生成双语（中/英）描述、参数说明与类别标签。交易型 EA 与工具型指标、脚本和面板程序分开归类，方便研究者聚焦可执行的策略。
对于可自动转换的 EA，平台会从提取的逻辑生成 Python backtrader 代码，在 EUR/USD、GBP/USD、USD/JPY 和黄金一年的小时线数据上回测，并把结果发布到每个 EA 的页面。回测指标包括总交易次数、胜率、净盈亏、最大回撤和恢复因子，每个交易型 EA 还有爆仓风险标签。这种 LLM 辅助的 MQ5→Python 流水线使得无需 MetaTrader 环境即可大规模评估 EA。
策略竞技场：股票策略评分
股票策略使用 Arena Score 评分（2026 年 11 月起为第二版）。每个策略都和同一品种、同一时间窗口内的所有策略比较，五个分项分别换算成百分位：收益质量（夏普和索提诺，30%）、回撤控制（卡玛比率和 Ulcer 指数，25%）、稳定性（正收益月份占比和水下时间，20%）、稳健性（1 年、3 年、5 年和全部历史中最差的夏普，15%）、统计可信度（概率夏普比率，10%）。因为每一项都是排名，单个极端值无法主导结果，头部也不会再出现并列。某个窗口内持仓时间不到 5% 的策略不参与排名。
系统还会在多个时间窗口下比较策略行为。若某个模型仅在最近几个月表现强劲，却在更长周期中失效，其排名会低于更稳健的策略。参数每六个月用滚动前推优化重新选择，只用当时已有的数据，网站展示的就是滚动前推的结果。2026 年 11 月 3 日之前，如果默认参数在整段历史上得分更高，就保留默认参数；这一步看过了整段样本，让大约五分之一的结果略偏乐观，所以已经取消。
数据来源与透明度
股票策略数据使用来自公共来源的历史日线数据，通过 yfinance 接口采集，并采用已对拆股与分红进行调整的收盘价。EA 回测使用 EUR/USD、GBP/USD、USD/JPY 和黄金最近 12 个月的小时线（H1），数据来自免费的公共来源（yfinance，备用 Dukascopy），每月重跑一次。所有数据来源均有记录，且每个模块内使用一致的标的集合，确保排名反映策略差异，而非数据不一致。
由于该项目强调静态可复现，两条流水线均优先保证确定性。缺失交易日将保留为空缺，而需要公共数据源不支持的数据的策略会被排除。这里的数据不能替代机构级行情源，并且可能包含生存者偏差或代理偏差。我们明确记录这些限制，以便读者将结果理解为研究参考信号，而非可直接用于实盘的业绩表现。
研究目标与工程
QuantArenas 的构建目标是支持结构化研究。股票策略附带可读性强的伪代码、标签以及建议比较对象。EA 分析包含信号逻辑拆解、参数说明以及带有净值曲线的回测表现。平台希望通过提供标准化输出，补充学术论文与实务研究笔记的探索与比较价值。
从工程角度看，平台强调确定性流水线、尽量有限的外部依赖，以及对各项假设的开放式检视。EA 分析流水线使用 GLM-5.1 进行 MQL5 解析，使用 backtrader 执行回测，两者均在可复现的脚本驱动工作流中运行。本站同时也是一个迭代记录，展示策略与 EA 分析如何随着新增证据而不断演化。
如何负责任地使用本平台
请将排名与回测结果视为研究索引，而不是买入清单。你可以先借助结果缩小研究范围，再阅读策略说明、观察图表行为，并理解信号本身究竟在捕捉什么。高排名或盈利回测不能替代独立验证，低排名也不意味着想法毫无价值。平台的意义在于揭示权衡关系，并提出值得进一步检验的问题。
如果你决定进一步研究某个策略或 EA，请使用自己的数据进行重建，加入更真实的交易成本，并在多种市场环境下进行压力测试。同时也应考虑这里尚未建模的仓位规模、流动性与风险控制因素。QuantArenas 提供的是一个干净的基准起点，但负责任的使用仍然需要额外工作，以及对风险有清晰的理解。
请记录某个策略之所以排名较高或某个 EA 回测盈利的原因，并检验这些原因在当下是否仍然成立。一份简单的检查清单——例如数据假设、市场环境适配性与失效模式——有助于避免盲目照搬策略。本站的定位，是为这份清单提供一个起点，而不是给出最终答案；它鼓励的是审慎阅读，而非仓促决策。
风险与使用免责声明
本站所有信息仅用于教育与研究目的。其内容不构成金融建议，也不应被解读为对任何证券、衍生品或加密资产的买卖要约。过往表现并不保证未来结果，任何策略都可能经历长期亏损或表现不及预期。EA 回测基于有限的历史数据，且未计入滑点、点差与佣金成本。
使用本站内容所产生的风险由你自行承担。若你基于此处展示的任何想法采取行动，你有责任自行评估其是否适合你的风险承受能力、投资期限与监管环境。QuantArenas 不对数据的准确性或完整性作出任何保证，也不提供税务、法律或投资建议。
最后更新: 2026-11-03