🏇
自适应交易系统：多策略虚拟赛马与实时跟赢
不让单一策略死扛市场，而是让一群策略同时跑虚拟交易，每根 K 线选出当下最赚钱的那个去实盘跟单。
自适应系统虚拟交易策略组合面向对象动态选择
思路：为什么需要自适应
没有一种策略永远有效。自适应系统的做法是：把多个策略（如不同周期均线、不同指标）装进同一个 EA，各自跑虚拟交易记录盈亏，每根新 K 线挑出当前最赚钱的策略，让实盘跟随它的方向。
✦
它不是参数优化，而是策略择优——市场切换风格时，自动从领跑策略切换到下一匹领跑者。
虚拟交易（Virtual Trade）：不成交只记账
每个策略在内部模拟开平仓，维护虚拟余额、净值、持仓，但不向交易所发单。虚拟盈亏只用于绩效评比，不占用资金、不被点差影响。
策略容器与面向对象设计
用 CArrayObj 把全部策略对象装进一个容器（m_all_strategies）。基类 CSampleStrategy 定义虚函数 CheckTradeConditions()，具体策略（CStrategyMA/CStrategyStoch）各自实现，统一调用、易于扩展。
- OnInit 循环 new 出 N 个策略并设参后入容器
- OnTick 遍历容器，每个策略算虚拟信号与虚拟盈亏
- 用 ArrayMaximum 选出虚拟业绩最好的策略索引
只在新 K 线评选一次
用 IsNewBar() 控制：每根新 K 线才做一次全策略虚拟结算加选冠军，避免被单根 K 线内的 tick 噪音反复切换。
空仓保护与反趋势补充
若所有策略虚拟业绩都为负，系统不开真实仓——宁可空仓也不跟亏。可加入信号反转型策略（如 CStrategyMAinv）应对横盘，但文章提醒：用最差策略取反并不能改善系统，别迷信。
✦
自适应不是万能药：若候选策略池里没有一个能盈利，系统整体也无效。选好策略比搭框架更重要。
进阶技巧
- 自定义绩效函数：用近 3 笔虚拟成交均值等统计代替累计净值，更敏感
- 设虚拟 SL/TP 让虚拟仓自动平仓，模拟真实退出
- 定期把虚拟盈利归零（SetVirtualCumulativeProfit），防止早期领先者转亏后拖累太久
- 上线初期限制实盘，只用虚拟观察，等策略分化稳定再跟单
常见问题
多周期均线还是一种逻辑、多个参数；自适应是多个不同逻辑的策略同场竞技，动态选冠军，容错性更强。
都是内存计算，几十上百个策略的虚拟结算在毫秒级，远低于网络发单耗时。
①只在新 K 线评选；②用近 N 笔均值做绩效，过滤单笔噪音；③设切换阈值（冠军需领先亚军一定幅度才换）。
偏高级，需要扎实的 MQL5 面向对象基础（建议先学 012/013）。但它的策略容器加虚拟赛马思想对任何量化者都有启发。