ATC冠军访谈：多货币EA实战启示

谁是 Mariusz Zarnowski 与 ATC 2012

Mariusz Zarnowski（论坛ID：zrn）来自波兰卢布林，拥有计算机科学学士学位，当时在华沙一家经纪商担任程序员。他自2006年接触杠杆交易，2007年初步尝试算法交易，并首次参加自动交易锦标赛（Automated Trading Championship，简称ATC）。ATC 是 MQL5 社区早期每年举办的大型 EA 实盘竞赛，使用 MetaTrader 5 平台，初始虚拟资金通常为 10,000 美元，赛期数月，以最终净值排名。2012 年是他第四次参赛，其多货币 EA 在临近结束时一度将初始入金翻三倍，稳居前列。

这次访谈发生在 2012 年 12 月 18 日，距离锦标赛结束仅剩两周。当时他的 EA 已展现出强劲的净值增长能力，但也经历过回撤：首月亏损过半，随后两周内回升至约 45,000 美元。访谈揭示了业余爱好者到职业程序员的进化路径，以及多货币系统构建中的关键决策。

从单货币到多货币：EA 的演化路径

Mariusz 的前两次锦标赛提交的是单货币 EA，后两次改为多货币系统。他坦诚早期系统充满缺陷（glitchy），若放在今天连 demo 账户都不敢跑。核心转变发生在 2010 年：他开始构建多货币 EA，而 MetaTrader 5 先进的策略测试器（Strategy Tester）大幅降低了多品种回测与优化的复杂度。

所有他的系统有一个共同点：基于移动平均线（Moving Average）的不同变体。他没有盲目追求复杂指标，而是把均线作为信号主干，再通过多品种组合与资金管理来平滑曲线。这种“简单信号 + 严谨风控”的思路，比堆砌指标更符合实盘生存逻辑。

• 2007–2009：单货币 EA，缺乏成熟资金管理，系统脆弱
• 2010 起：转向多货币，借助 MT5 策略测试器提升研发效率
• 信号核心：移动平均线变体，不依赖冷门指标
• 参赛价值：观察他人如 Better 的神经网络应用，拓展认知边界

多货币品种选择的底层逻辑

2012 年他的 EA 交易四个货币对：EURUSD、USDCHF、EURJPY、GBPJPY。选择依据来自回测表现最优，以及组合分散需求。他指出 EURJPY 与 GBPJPY 和 EURUSD 相关性较低，这种低相关搭配能在不增加单一方向敞口的前提下实现组合多样化——这对只懂“选 EURUSD 和 GBPUSD”的新手是重要提醒。

需注意：相关性并非静态。2012 年欧债危机背景下部分日元交叉盘与欧美走势脱节，但正常时期它们可能同步。因此多货币组合必须随宏观 regime 重估，而非一次选定永久有效。

资金管理的激进与克制

ATC 锦标赛环境决定：不用激进资金管理很难进 TOP。Mariusz 采用了一条特殊规则——在亏损交易后加大手数入场，以平滑权益曲线（martingale 变体）。他强调这不是无限制加倍，而是系统内的明确规则。锦标赛追求排名，实盘则完全不同：他曾开多个真实账户，单月盈利超 1000%，也多次爆仓归零。

他坦言算总账可能略微亏损。这揭露一个真相：竞赛 EA 的仓位逻辑往往为排名优化，直接套用到实盘可能致命。中文用户常把“锦标赛冠军 EA”当圣杯，忽略其资金曲线在实盘波动下的毁灭性。

• 锦标赛：可承受高回撤，博取排名收益
• 实盘：应先固定 fractional lot，例如每 1 万净值 0.1 手
• 亏损加码需设最大连亏上限，防止指数级膨胀
• MT5 中用 CTrade::Lot 结合账户权益动态计算更稳

趋势系统为何在 2012 吃过亏

他的 EA 是趋势系统，设计预期单边幅度 150–200 点。但实际波动不足，且他错误预判 EURUSD 会大跌（四对中三对方向被预设）。结果首月回撤一半。这说明：哪怕多货币分散，方向假设错误仍会造成系统性拖累。后来欧美若狠跌，四对全开就能反超；否则大概率前 20。

对中文交易者的启示是：趋势 EA 对波动率敏感。应在 MQL5 中嵌入 ATR 过滤器，波动低于阈值时降仓或停手，而不是硬扛震荡。

// 简单 ATR 波动过滤示例
double atr = iATR(_Symbol, PERIOD_H1, 14);
if(atr < SymbolInfoDouble(_Symbol, SYMBOL_POINT) * 150)
   return; // 波动不足 150 点等价，不交易

神经网络与自学习系统的前瞻

Mariusz 明确表示自己是神经网络与自学习系统的粉丝，认为只有这类算法能适应不断变化的市场环境与波动率。他在 2007 年看到 Better 用神经网络夺冠后产生浓厚兴趣。访谈中他欣赏 Janusz 将神经网络决策模型适配到小时图，并认为 aler 的系统最适合真实市场。

今天看，MQL5 已支持 Python 集成与 ONNX 模型推理，比 2012 年纯 MQL5 实现神经网络更现实。但核心观点不变：静态参数 EA 终会失效，在线学习或周期重训练是延长寿命的关键。

真实账户盈亏与新手预期管理

他 2007 年后约一年用积累的经验与启动资金开了真实账户，多家经纪商都开过。高光月赚 1000%+，黑暗期爆仓到 0 甚至负（穿仓）。他认为自己 30 岁，最坏经验已留在过去。这种坦诚在营销号泛滥的今天极罕见。

中文社区常见“跟单暴富”话术，但职业选手自述总账略红，说明算法交易不是提款机。建议新手用 MT5 策略测试器做至少 3 年品种回测，再用极小实盘验证，再逐步加仓。

给中文 MQL5 开发者的实操清单

结合访谈与当下 MT5 环境，可落地动作包括：用多品种回测验证低相关组合；以均线变体为信号主干，避免指标通货膨胀；在 EA 中写入动态手数函数；用 ATR 过滤低波动；定期重训练或引入轻量自学习模块；分离竞赛参数与实盘参数集。

• 创建多货币 EA 时，用 #include <Trade/Trade.mqh> 统一管理订单
• 用 FrameAdd/FrameNext 做跨品种信号同步
• 用 OnTester 优化自定义目标而非仅净利润
• 在真实环境前用 MT5 内置云网络做鲁棒性测试

// 多货币遍历示例
string pairs[4] = {"EURUSD","USDCHF","EURJPY","GBPJPY"};
for(int i=0;i<4;i++)
{
   double ma = iMA(pairs[i], PERIOD_H1, 20, 0, MODE_SMA, PRICE_CLOSE);
   // 各品种独立判断信号
}