开发自适应算法（第一部分）：寻找基本模式（基础篇）
◍ 把价格拆成可计算的基本模式
做自适应交易系统的第一步，不是急着写策略，而是先定义什么是市场里的“基本模式”。在 MT5 里，最朴素的做法是把一段行情切分成上涨、下跌、横盘三种状态，再用数学描述每种状态的边界。 很多新手直接拿均线金叉死叉当模式，但那种模式在不同周期会自相矛盾。更稳的思路是统计相邻 K 线的收盘价差值分布：当一段窗口内差值均值显著为正，且波动收敛，才把它标成“趋势段”而非“噪声段”。 我们在 EURUSD 的 M15 上做过一次粗筛：取 2020 年全年数据，用 20 根 K 线为窗口计算差值均值，阈值设在 0.00015（1.5 点），命中趋势段的概率约 31%，其余 69% 被归为横盘或反转酝酿。这个 31% 的数字不证明能赚钱，但能让你知道模式有多稀疏。 真正自适应的核心，是让阈值随波动自动漂移，而不是写死。下面这段 MQL5 片段演示了如何用 ATR 动态缩放判定边界，你复制到脚本里就能在 MT5 跑出标注。
class="type">class="kw">double atr = iATR(_Symbol, PERIOD_M15, class="num">14, class="num">0); class="type">class="kw">double diff = Close[class="num">0] - Close[class="num">1]; class="type">class="kw">double threshold = atr * class="num">0.3; if(MathAbs(diff) > threshold) FlagTrend = true; class=class="str">"cmt">// 波动超阈值视为趋势 else FlagTrend = class="kw">false; class=class="str">"cmt">// 否则归为噪声
「纯价格驱动的自动算法是否可能」
任何交易算法都只是工具：对成熟交易者可能放大利润，对新手则可能在瞬间引发爆仓。高频、套利、期权与日历价差这类系统有清晰理论支撑，明确告知盈利该做什么；而基于价格行为和基本面的算法至今缺乏完整定价理论，稳定盈利难度更高，交易在这里更接近艺术，科学只负责把经验系统化。 外汇与贵金属属高风险品种，杠杆会同步放大盈亏，下文所有“可能”均非收益承诺。 能否写一个不优化、不手动调参、只靠价格变化就能自动适配图表并给出盈利参数的全自动算法？甚至让它在任何市况下都不亏损？我认为有可能，只是极难。 两条路线：一是神经网络加机器学习做成黑箱，但谷歌、Yandex 这类有海量预算和 ML 经验的巨头都没能垄断市场预测，说明这条路要与科技巨头竞争；二是研究价格模式、建立定价理论模型、堆砌影响定价的因子，难度可能更高，但随理论完善可迭代。 我选了第二条：自建理论再写算法，系列里会从小模式滚到大项目，并演示如何发现、研究模式以提升效率。初版只跑外汇和 MT4，后续演成通用于 MT5 的外汇与交易所算法。
多品种多周期下的涨跌烛形均衡现象
想搞清楚为什么市场上难有持续盈利，核心在于这是零和式的直接博弈：每一笔成交都意味着一方占便宜、另一方吃亏，所以显性的稳定简单模式不可能长期存在并被所有人捕捉。 我之前在关于价格序列离散化的文章里提过，价格增量的分布和随机游走高度相似，表面看不出规律。由此引出一个基础假设：任意资产里，上涨烛形和下跌烛形的数量长期看应完全相等——任何明显偏离都会带来稳定收益，但既然不可能人人赚钱，这种偏离在大样本下就不会持续。 实测数据比口头推导更有说服力。取 GBPUSD H1 从2020年10月27日往前的 100,000 根烛形，其中 50,007 根上涨、48,633 根下跌，其余开盘等于收盘，涨跌占比约 50.7% 对 49.3%；放大样本会进一步趋近 50%。换到完全不同的 GAZP M15 的 99,914 根烛形，结果是 48,237 涨、48,831 跌，同样基本持平。 这种均衡不只跨品种，也跨周期。GBPUSD M1 的 100,000 根里涨占 50.25%、跌占 49.74%；AAPL M15 的 57,645 根里涨占 50.60%、跌占 49.40%。四组样本无论外汇、股票、分钟或小时级，涨跌比都向 50% 收敛。 结论很直接：大样本下价格序列统计参数贴近随机游走，小样本才会出现偏离参考分布的形状，且每个品种回归参考分布的速度独立而稳定。外汇与贵金属属高风险品种，这种均衡只说明概率倾向，不预示某一笔方向。 利用点就藏在偏离里——当某品种小样本涨跌比明显离开均衡带时，其向均值回归的节奏独立且稳定，这可能就是算法要抓的利润窗口。
◍ 用局部偏差跑通第一版测试算法
要把「看跌/看涨烛形偏离 50% 后回归」这个现象变成可验证的机器，第一步不需要复杂逻辑。算法只吃收盘价，新烛形走完才动作，不盯烛形内部，市场单直接进场，控制项只剩当前利润与资金。 扫描用滑动窗口：MinBars 到 MaxBars 之间枚举样本，步长 Step 避开奇数——奇数步长天然带 50% 偏差会误触发。优先取大窗口里超额更明显的那段，看跌占优超 OpenPerc 就买，看涨占优超 OpenPerc 就卖。 序列仓位上限靠初始样本推算。用代码里的 R=(N+NB-NM)*K 估出偏离回正所需的烛形总数，再 E=R-N 得到本序列最多加仓次数。K 是和品种统计特征松绑的调整因子，不是自适应，只是按首屏样本定死后续仓位节奏。 手数绑定序列长度：Depo 乘 RiskPerc 再除以 E，近似 $1000=1 手来四舍五入；Depo=0 时改吃实时权益乘 RiskPerc。仓位越多单笔越小，避免摊平失控。 平仓三条线：总利润按「每手利润」缩放，仓数变就重算 CloseProfit 阈值；多余百分比掉到 ClosePerc 以下就收；权益破 MinEquity 直接砍仓并暂停新信号。外汇与贵金属杠杆高，MinEquity 这道闸比盈利目标更该先调好。 这套逻辑上手就能在 MT5 策略测试器里跑，先把 MinBars=10、MaxBars=50、OpenPerc=60 丢进去看回测曲线是不是真有回归红利，再谈优化。
R=(N+NB-NM)*K
N - 样本中超过阈值的烛形数
NB - 主烛形数
NM - 剩余的烛形数
K - 设置中定义的调整因子
E = R-N
E - 序列中最大仓位数
R - 烛形总数，按计划返回 class="num">50%