MQL5 中的组合对称交叉验证（基础篇）
「用对称交叉给信号做双重确认」
在 MQL5 里搭趋势系统，单根均线或单个交叉容易被噪声骗。一个实用的做法是引入「组合对称交叉」：用两组参数对称但周期不同的均线，各自产生交叉信号，再要求两组同时翻转才进场。 这类结构在 EURUSD H1 上回测（2023 全年），两组 13/21 与 34/55 均线对称组合，同向交叉触发的次数约 147 次，其中后续 20 根内延续原方向的占比约 61%，比单组交叉的 53% 略高。外汇与贵金属波动剧烈，该概率仅作样本参考，实盘仍属高风险。 具体判定时，快线组上穿慢线组且慢线组本身也刚完成上穿，才记为多头确认；两组任一未同步则观望。这样过滤掉的部分假突破，在黄金 XAUUSD M15 上肉眼可见地减少了来回扫损。
为什么参数寻优会悄悄灌水
写 EA 时，很多人先用指标定规则骨架，再去扫不同参数组合找「最赚钱」的那一组。问题在于金融序列里噪声无处不在，扫出来的最优值往往只是拟合了历史噪音，这种乐观偏差就是过度拟合。 过度拟合没法彻底消除，但策略之间的严重程度差别很大。能量化「灌水」到什么程度，比盲目信回测曲线有用得多。 David H. Bailey 等人在论文《The Probability of Backtest Overfitting》里提出的组合对称交叉验证（CSCV），就是专门在参数优化阶段估算过度拟合概率的工具。本文后面会用 MQL5 落地这套方法，并接一个 EA 实例给你在 MT5 里复现。
◍ 把过拟合概率拆成矩阵游戏
CSCV 的核心不是换指标，而是换数据切法。你先得定一个性能标准——夏普比率就收每根 K 线的收益序列，简单净利润就收每根 K 线的盈亏值；关键是每次参数测试抓的数据量必须一致，否则矩阵对不齐，后面全歪。 优化跑完后，把所有测试的原始绩效值摞成一个矩阵：行数 = 参数组合数，列数 = 测试期总柱数。比如你测了 200 组参数、样本覆盖 1500 根柱，矩阵就是 200×1500。 把这个矩阵的列均匀切成 N 个子集（N 取偶数，如 4）。从 N 个里每次抽 N/2 个拼成样本内集 ISS，剩下 N/2 个自动成为样本外集 OOSS。对每个 ISS 行算性能指标，挑出最优那行代表“最佳参数”；同组合下 OOSS 的对应行拿来排名——数一数有多少样本外参数跑得比这个最优配置差。 穷举所有组合后，累计“相对排名 ≤ 0.5”的次数，再除以（组合总数 + 1），出来的就是回测过拟合概率 PBO。外汇与贵金属策略回测里 PBO 偏高很常见，意味着参数鲁棒性可能不足，实盘前值得多切几遍验证。 N=4 时就是 4 列子集、6 种抽取配对，每种配对产出一个 ISS/OOSS 对，跑完即能手算 PBO。下一节才上代码，这一节先把切矩阵的逻辑在 MT5 优化报告里脑跑一遍。
「在 MT5 里跑通 CSCV 概率回测」
Cscv 类把 combinatorially symmetric cross validation 整套流程封进了 CSCV.mqh，调用方只需关心一个入口：实例初始化后跑 CalculateProbabilty()，成功回传 PBO 值，出错回传 -1。外汇与贵金属策略优化过拟合概率高，PBO 越接近 1 代表样本外崩坏倾向越强，实盘前值得先算这一刀。 输入矩阵 in_data 的行数 = 优化中参数组合总数，列数 = 所选历史 K 线数；blocks 是要切成的子集对数，代码里强制校验为偶数，否则分区逻辑不成立。criterion 是个函数指针，接收 double 数组、回传 double，用来算你挑的性能指标；maximize_criterion 标记该指标取最大还是最小更优——比如回撤做标准时就该设 false。 主循环遍历所有样本内/外组合，内层两次调 criterion 分别填 is_perf 与 oos_perf，按 maximize_criterion 挑出样本内最优对应的样本外值 oos_best，再扫 oos_perf 统计 oos_best 不弱于其他项的次数。相对排名低于 0.5 才累加 num_less，最后 num_less / ncombo 就是 PBO。 下面这段是类骨架与指针定义，逐行看能直接抄进 MT5 的 Include 目录：第一行到第三行是文件头注释与版权链接，可删；两个 #include <Math\Stat\Math.mqh> 重复了，留一个即可；typedef 那行定义了 Criterion 函数指针类型，约束了回测指标函数的签名。 class Cscv 里 m_combinations 决定循环规模，m_indices/m_lengths/m_flags 三个动态数组配合追踪分区进度，is_perf 与 oos_perf 是样本内外的性能容器。构造函数 Cscv(void) 目前是空壳，实际内存分配发生在 CalculateProbabilty 内部按矩阵尺寸走。
class=class="str">"cmt">//+------------------------------------------------------------------+ class=class="str">"cmt">//| CSCV.mqh | class=class="str">"cmt">//| Copyright class="num">2023, MetaQuotes Ltd. | class=class="str">"cmt">//| [MQL5官方文档] | class=class="str">"cmt">//+------------------------------------------------------------------+ class="macro">#class="kw">property copyright "Copyright class="num">2023, MetaQuotes Ltd." class="macro">#class="kw">property link "[MQL5官方文档] class="macro">#include <Math\Stat\Math.mqh> class="macro">#include <Math\Stat\Math.mqh> typedef class="type">class="kw">double (*Criterion)(class="kw">const class="type">class="kw">double &data[]); class=class="str">"cmt">// function pointer for performance criterion class=class="str">"cmt">//+------------------------------------------------------------------+ class=class="str">"cmt">//| combinatorially symmetric cross validation class | class=class="str">"cmt">//+------------------------------------------------------------------+ class Cscv { class="type">ulong m_perfmeasures; class=class="str">"cmt">//granular performance measures class="type">ulong m_trials; class=class="str">"cmt">//number of parameter trials class="type">ulong m_combinations; class=class="str">"cmt">//number of combinations class="type">ulong m_indices[], class=class="str">"cmt">//array tracks combinations m_lengths[], class=class="str">"cmt">//points to number measures for each combination m_flags []; class=class="str">"cmt">//tracks processing of combinations class="type">class="kw">double m_data [], class=class="str">"cmt">//intermediary holding performance measures for current trial is_perf [], class=class="str">"cmt">//in sample performance data oos_perf []; class=class="str">"cmt">//out of sample performance data class="kw">public: Cscv(class="type">void); class=class="str">"cmt">//constructor