交易系统的评估 - 有关进入、退出与交易效率的概述·进阶篇
（2/3）·从订单到仓位的术语迁移，正悄悄让你的历史回测数据失真
「理清 deal、order、position 与 trade 的边界」
在 MT5 客户端里，Order（订单）、Deal（成交）、Position（仓位）是开发者定死的三个词，但 Bulachev 的统计体系只用 deal 和 order 混指‘已发生的交易’，未平仓的 deal 他叫 position。为了避免回测时概念串味，我们把 Bulachev 说的‘交易’统一记作 trade，即 trade = deal；MT5 原生三术语保持不变，于是手头有 Position / Deal / Order / Trade 四个词要分清。 Order 是发往服务器建仓或修改仓位的指令，它不进统计直接样本，因为发单不保证按量价成交；统计必须落在 Deal 上，订单只通过成交间接参与。这一点直接决定你写 EA 的成交统计模块时，不能拿 OrderSend 的返回值当交易笔数。 Bulachev 体系里 type 和 direction 被拆开：type 指 buy/sell（买卖属性），direction 指 in/out（进出场），还包括加仓（非首笔 buy）和部分平仓（非末笔 sell）。当反向成交数量大于当前仓位，就触发反转，旧 trade 被平、新 trade 建立。 部分平仓是老解释系统的盲区。例子里建仓 0.3 手、平仓 0.2 手，若每笔 trade 等量平仓，就变成一笔 deal 拆成多笔 trade，各自相同进场点、不同出场点，缺量靠复制原 trade 并改 volume 补齐。这种重算可能不符合某人‘想平另一笔’的主观预期，但不影响系统评估——它只会戳破‘MT4 交易零损耗’的错觉。 下面这段原始成交与 Bulachev 重解释对照，可直接贴进 MT5 看盘比对：deal[0] 0.1 sell @1.22218 建仓，deal[1] 0.2 buy @1.22261 反转并部分平，deal[2] 0.1 buy @1.22337 再建，deal[3] 0.2 sell @1.22310 平剩余。重解释后拆成 trade[0]（sell 进 buy 出）、trade[1] 与 trade[2]（两笔 buy 同价出）。外汇贵金属高风险，重算仅用于复盘概率倾向，不代表实盘必然复现。
МТ 中的解释-<span class="number">class="num">5</span> deal[ <span class="number">class="num">0</span> ] <span class="keyword">in</span> <span class="number">class="num">0.1</span> sell <span class="number">class="num">1.22218</span> <span class="number">class="num">2010.06</span>.<span class="number">class="num">14</span> <span class="number">class="num">13</span>:<span class="number">class="num">33</span> deal[ <span class="number">class="num">1</span> ] <span class="keyword">in</span>/<span class="keyword">out</span> <span class="number">class="num">0.2</span> buy <span class="number">class="num">1.22261</span> <span class="number">class="num">2010.06</span>.<span class="number">class="num">14</span> <span class="number">class="num">13</span>:<span class="number">class="num">36</span> deal[ <span class="number">class="num">2</span> ] <span class="keyword">in</span> <span class="number">class="num">0.1</span> buy <span class="number">class="num">1.22337</span> <span class="number">class="num">2010.06</span>.<span class="number">class="num">14</span> <span class="number">class="num">13</span>:<span class="number">class="num">39</span> deal[ <span class="number">class="num">3</span> ] <span class="keyword">out</span> <span class="number">class="num">0.2</span> sell <span class="number">class="num">1.22310</span> <span class="number">class="num">2010.06</span>.<span class="number">class="num">14</span> <span class="number">class="num">13</span>:<span class="number">class="num">41</span> Bulachev 的解释 trade[ <span class="number">class="num">0</span> ] <span class="keyword">in</span> <span class="number">class="num">0.1</span> sell <span class="number">class="num">1.22218</span> <span class="number">class="num">2010.06</span>.<span class="number">class="num">14</span> <span class="number">class="num">13</span>:<span class="number">class="num">33</span> <span class="keyword">out</span> <span class="number">class="num">1.22261</span> <span class="number">class="num">2010.06</span>.<span class="number">class="num">14</span> <span class="number">class="num">13</span>:<span class="number">class="num">36</span> trade[ <span class="number">class="num">1</span> ] <span class="keyword">in</span> <span class="number">class="num">0.1</span> buy <span class="number">class="num">1.22261</span> <span class="number">class="num">2010.06</span>.<span class="number">class="num">14</span> <span class="number">class="num">13</span>:<span class="number">class="num">36</span> <span class="keyword">out</span> <span class="number">class="num">1.22310</span> <span class="number">class="num">2010.06</span>.<span class="number">class="num">14</span> <span class="number">class="num">13</span>:<span class="number">class="num">41</span> trade[ <span class="number">class="num">2</span> ] <span class="keyword">in</span> <span class="number">class="num">0.1</span> buy <span class="number">class="num">1.22337</span> <span class="number">class="num">2010.06</span>.<span class="number">class="num">14</span> <span class="number">class="num">13</span>:<span class="number">class="num">39</span> <span class="keyword">out</span> <span class="number">class="num">1.22310</span> <span class="number">class="num">2010.06</span>.<span class="number">class="num">14</span> <span class="number">class="num">13</span>:<span class="number">class="num">41</span> trade[<span class="number">class="num">0</span>] in <span class="number">class="num">0.1</span> sell <span class="number">class="num">1.22218</span> <span class="number">class="num">2010.06</span>.<span class="number">class="num">14</span> <span class="number">class="num">13</span>:<span class="number">class="num">33</span> trade[<span class="number">class="num">0</span>] in <span class="number">class="num">0.1</span> sell <span class="number">class="num">1.22218</span> <span class="number">class="num">2010.06</span>.<span class="number">class="num">14</span> <span class="number">class="num">13</span>:<span class="number">class="num">33</span> out <span class="number">class="num">1.22261</span> <span class="number">class="num">2010.06</span>.<span class="number">class="num">14</span> <span class="number">class="num">13</span>:<span class="number">class="num">36</span>
◍ 同一笔成交在不同口径下的拆法
看 2010.06.14 那两组买单：trade[1] 在 13:36 以 1.22261 开 0.1 手多单，trade[2] 在 13:39 以 1.22337 加 0.1 手，两笔都在 13:41 以 1.22310 平仓。按 MT 终端的历史标签，这就是两条独立平仓记录，单看容易以为平得干脆。 但把同一时段的 deal 流水拉出来就变样了：2010.06.15 08:00 先卖 0.3 手于 1.22133，紧接着 08:01 买回 0.2 手于 1.22145 平掉其中一部分，08:02 又买 0.4 手、08:03 卖 0.4 手在 1.22122，最后 08:06 买 0.1 手于 1.2206 收尾。这里 deal 级别把开平拆成了五条逐笔，和上面的 trade 视角完全不是一套数。 Bulachev 那种归并解释更极端：把 08:00 的 0.3 手卖单拆成 trade[0] 的 0.2 和 trade[1] 的 0.1，分别配对 08:01、08:02 的买平；再把 08:02 的 0.4 买、08:03 的 0.4 卖合成 trade[2]，尾单 trade[3] 则是 08:03 卖 0.1 于 1.22122、08:06 买 0.1 于 1.2206 平。三种口径下，同一段行情的「交易笔数」从 2 到 5 再到 4，外汇和贵金属自带高杠杆，复盘前先确认你盯的是哪一层的记录，否则胜率算出来会偏得离谱。
同一毫秒的两笔卖单为何一平一扛
下面这段日志来自一次 EURUSD 的实盘回放：在 2010.06.15 08:00，价格 1.22133 同时挂出三笔 sell，但只有一笔在 08:01 以 1.22145 平仓，另外两笔仍留着。 trade[0] in 0.3 sell 1.22133 2010.06.15 08:00 trade[0] in 0.2 sell 1.22133 2010.06.15 08:00 out 1.22145 2010.06.15 08:01 trade[1] in 0.1 sell 1.22133 2010.06.15 08:00 注意第一笔 0.3 手始终没有 out 记录，第二笔 0.2 手在 1 分钟后微亏 1.2 点离场，第三笔 0.1 手也无平仓痕迹。外汇与贵金属杠杆交易高风险，这种同价多单不同退出的现象，往往意味着仓位管理或平仓条件在代码里被分桶处理了。 打开 MT5 的 Experts 日志对照上面三行，重点看 trade 数组索引是否跨 bar 复用——若索引 0 被两条记录占用，说明你的订单池没有在平仓后及时清槽，可能造成重复统计或漏平。
trade[class="num">0] in class="num">0.3 sell class="num">1.22133 class="num">2010.06.class="num">15 class="num">08:class="num">00 trade[class="num">0] in class="num">0.2 sell class="num">1.22133 class="num">2010.06.class="num">15 class="num">08:class="num">00 out class="num">1.22145 class="num">2010.06.class="num">15 class="num">08:class="num">01 trade[class="num">1] in class="num">0.1 sell class="num">1.22133 class="num">2010.06.class="num">15 class="num">08:class="num">00
「把成交流重写成交易循环的 C_Pos 类」
MQL5 里策略测试器自带的 Bulachev 统计只覆盖一部分，要把「逐笔成交」重解释成「完整交易」，得靠 OOP 继承自己补方法。先撘两个结构：S_Stat_Deals 装单笔成交主字段（订单号、类型、方向、量、价、时间），S_Stat_Trades 装一笔交易的建/平两端字段。派生指标（如持仓时长）不用存，用时再算，结构更干净。 核心类 C_Pos 声明 public 的成交与交易结构指针数组——因为历史里成交和交易都不止一条，用数组比单变量方便，且继承函数也要读，故放 public。三个 public 方法管历史：OnHistory() 把每笔成交拷进 S_Stat_Deals 副本；OnHistoryTransform() 按仓位重排成新解释系统。 转换时先用 DigitMinLots() 定最小可计成交量精度，再把 count_trades 与 trades_ends 清零，按成交数预估重分配交易结构内存。实测大多数仓位交易数 ≤ 成交数，先给近似值比每步重分配整块数组省机器时间。 筛选循环嵌套三层：in（开仓）、in/out（反手）、out（平仓），前一筛返回 false 才进下一筛，少跑无用分支。in 里调 open_pos() 把指针数组 +1、成交字段灌进交易建仓端，此时平仓端空，count_trades 涨而 trades_ends 不涨，二者差即未平交易数。 out 最麻烦：若是仓位末笔成交，平掉所有未平；否则比量——等量全平，量不等则循环平下一笔直至够数，不够就部分平仓并拷一份缺量新交易，且后续交易整体偏移一位保时间序。下面两段结构定义是整套重写的地基。
class=class="str">"cmt">//+------------------------------------------------------------------+ class=class="str">"cmt">//| 成交的结构 | class=class="str">"cmt">//+------------------------------------------------------------------+ class="kw">struct S_Stat_Deals { class="kw">public: class="type">ulong DTicket; class=class="str">"cmt">// 成交的订单号 ENUM_DEAL_TYPE deals_type; class=class="str">"cmt">// 成交的类型 ENUM_DEAL_ENTRY deals_entry; class=class="str">"cmt">// 成交的方向 class="type">class="kw">double deals_volume; class=class="str">"cmt">// 成交量 class="type">class="kw">double deals_price; class=class="str">"cmt">// 成交建仓价 class="type">class="kw">datetime deals_date; class=class="str">"cmt">// 成交建仓时间 S_Stat_Deals(){}; ~S_Stat_Deals(){}; }; class=class="str">"cmt">//+------------------------------------------------------------------+ class=class="str">"cmt">//| 交易结构 | class=class="str">"cmt">//+------------------------------------------------------------------+ class="kw">struct S_Stat_Trades { class="kw">public: class="type">ulong OTicket; class=class="str">"cmt">// 建仓交易订单号 class="type">ulong CTicket; class=class="str">"cmt">// 平仓交易订单号 ENUM_DEAL_TYPE trade_type; class=class="str">"cmt">// 交易类型
◍ 用结构体把每笔交易拆开量
想在 MT5 里复盘自己的真实表现，第一步是把券商流水里的 deal（成交）重新聚合成 trade（交易）。下面这段结构定义就是干这个的：它给每笔交易留了建仓价、平仓价、最高/最低触及价，以及按 Bulachev 思路算的进入效率与退出效率字段。 进入效率衡量你建仓后价格朝有利方向跑了多少，退出效率看平仓位置相对整段行情有多准。两者都是 double，回测时直接打印就能对比‘进场好但出场烂’还是反过来。 C_Pos 类则负责持有某个 pos_id 下的全部成交与聚合后的交易数组。注意它初始化时把 count_deals、count_trades、trades_ends 全置 0，说明统计是增量填充的，别在循环外误用旧值。外汇与贵金属杠杆高，这类统计只帮你看偏差，不预示下一笔盈亏。
class="type">class="kw">double trade_volume; class=class="str">"cmt">// 交易量 class="type">class="kw">double max_price_trade; class=class="str">"cmt">// 交易最高价位 class="type">class="kw">double min_price_trade; class=class="str">"cmt">// 交易最低价位 class="type">class="kw">double enter_price; class=class="str">"cmt">// 交易建仓价位 class="type">class="kw">datetime enter_date; class=class="str">"cmt">// 交易建仓时间 class="type">class="kw">double exit_price; class=class="str">"cmt">// 交易平仓价位 class="type">class="kw">datetime exit_date; class=class="str">"cmt">// 交易平仓时间 class="type">class="kw">double enter_efficiency; class=class="str">"cmt">// 进入效率 class="type">class="kw">double exit_efficiency; class=class="str">"cmt">// 退出效率 class="type">class="kw">double trade_efficiency; class=class="str">"cmt">// 交易效率 S_Stat_Trades(){}; ~S_Stat_Trades(){}; }; class=class="str">"cmt">//+------------------------------------------------------------------+ class=class="str">"cmt">//| 把成交转换为交易的类 | class=class="str">"cmt">//+------------------------------------------------------------------+ class C_Pos { class="kw">public: S_Stat_Deals m_deals_stats[]; class=class="str">"cmt">// 成交结构 S_Stat_Trades m_trades_stats[]; class=class="str">"cmt">// 交易结构 class="type">long pos_id; class=class="str">"cmt">// 仓位编号 class="type">class="kw">string symbol; class=class="str">"cmt">// 仓位交易品种 class="type">int count_deals; class=class="str">"cmt">// 成交数量 class="type">int count_trades; class=class="str">"cmt">// 交易数量 class="type">int trades_ends; class=class="str">"cmt">// 完成的交易数量 class="type">int DIGITS; class=class="str">"cmt">// 仓位交易品种最小交易量的精确度 C_Pos() { count_deals=class="num">0; count_trades=class="num">0; trades_ends=class="num">0; }; ~C_Pos(){}; class="type">void OnHistory(); class=class="str">"cmt">// 建立仓位历史 class="type">void OnHistoryTransform(); class=class="str">"cmt">// 把仓位历史转换为新的系统解释 class="type">void efficiency(); class=class="str">"cmt">// 根据 Bulachev&class="macro">#x27;s 方法计算的效率值 class="kw">private: class="type">void open_pos(class="type">int c); class="type">void copy_pos(class="type">int x);
把历史成交塞进自定义结构
做持仓统计前，得先把账户历史里的每笔成交捞出来，填进自己的结构体数组。下面这段直接挂在 C_Pos 类里，用 HistoryDealGetTicket 按索引取成交单号，再逐个读类型、方向、成交量、价格和时间为字段赋值。 ArrayResize(m_deals_stats,count_deals) 先按总成交数 count_deals 扩好数组，避免循环里反复重分配。外汇和贵金属杠杆高，历史里可能混着对冲单和爆仓平仓，DEAL_ENTRY 方向字段一定要读，不然后面算净敞口会偏。 循环里每一行对应一个 HistoryDealGetInteger / GetDouble 调用：DEAL_TYPE 区分买卖、DEAL_VOLUME 是手数、DEAL_PRICE 是成交价、DEAL_TIME 转成 datetime。开 MT5 按 F4 把这段贴进 EA 的 OnHistory，跑完在观测窗口看 m_deals_stats[0].deals_price 是不是和账户历史第一笔对得上。
class="type">void C_Pos::OnHistory() { ArrayResize(m_deals_stats,count_deals); for(class="type">int i=class="num">0;i<count_deals;i++) { m_deals_stats[i].DTicket=HistoryDealGetTicket(i); m_deals_stats[i].deals_type=(ENUM_DEAL_TYPE)HistoryDealGetInteger(m_deals_stats[i].DTicket,DEAL_TYPE); class=class="str">"cmt">// 成交类型 m_deals_stats[i].deals_entry=(ENUM_DEAL_ENTRY)HistoryDealGetInteger(m_deals_stats[i].DTicket,DEAL_ENTRY);class=class="str">"cmt">// 成交方向 m_deals_stats[i].deals_volume=HistoryDealGetDouble(m_deals_stats[i].DTicket,DEAL_VOLUME); class=class="str">"cmt">// 成交量 m_deals_stats[i].deals_price=HistoryDealGetDouble(m_deals_stats[i].DTicket,DEAL_PRICE); class=class="str">"cmt">// 建仓价格 m_deals_stats[i].deals_date=(class="type">class="kw">datetime)HistoryDealGetInteger(m_deals_stats[i].DTicket,DEAL_TIME); class=class="str">"cmt">// 建仓时间 } };