模式搜索的暴力方法（第二部分）：深入（基础篇）

◍ 用暴力枚举挖历史形态的起点

在 MT5 里做模式搜索，最直观的办法就是把历史 K 线按固定窗口切片，逐段比对当前走势。这种做法不依赖任何先验假设，纯粹靠算力把相似形态捞出来，适合验证「某段行情是否重复出现过」。

• 年 2 月 5 日发布的测试案例里，单线程跑完 1779 根样本柱、匹配 13 组候选模式，耗时在普通 VPS 上约数分钟级——说明窗口长度和步长直接决定回测成本。

想自己复现，先开 MT5 的「策略测试器」选「逐笔」模式，把历史数据范围拉到足够长。外汇与贵金属杠杆高、滑点跳空频繁，暴力匹配出的形态在历史里「像」不代表未来概率占优，只能当线索。

「这次只跑几个货币对的全域扫描」

承接前一篇的框架，本次用改版后的应用程序对货币做更深入的剖析。得益于 Aleksey Vyazmikin 在底层逻辑上的建议，计算流程得以推进到能跑出可对比的区间分布。 受限于个人的时间与算力，本轮只在单一时间框架下覆盖数个货币对，不做全市场铺开。对初次接触全局节律的人，这几组样本已足够暴露最长与最短持续间隔之间的结构差异。 后续篇章会沿用本文及前篇的统计数据，继续放出更细的结果。外汇与贵金属属高风险品种，此类区间统计仅描述历史分布，不预示下一步方向。

把重复劳动丢给机器

写 MT4/MT5 EA 的人大多卡在同一个死循环里：堆几千行代码、跑无数次测试和优化，前后向验证做完，结果常常不是当初想要的。不少程序员被这种固定流程磨到没脾气，研究和搜索变成纯机械重复。 我自己就栽过跟头——当工作既给不了成就感也带不来钱，退出几乎是本能反应。后来我选了另一条路：把机器能稳定干的活全自动化。机器没情绪，是理想的执行者，计算资源管够，跑起批量任务比人轻松太多。 当时摆着两个选项：自研一套能进化的神经网络架构，或者用最朴素的方法先解决问题。我挑了后者。它看似简单，却比写常规 MQL 程序留出更多折腾空间——通用模板打底，再按需要逐步加功能，既能甩掉枯燥日常，又不耽误继续开发。 外汇和贵金属市场高波动、高杠杆，这类自动化思路只解决「效率」问题，不解决「策略盈亏」问题，实盘前务必在 MT5 策略测试器里用历史数据验证逻辑。 说句实在的，懒不是缺点，肯把常规活交给机器，才腾得出手做真正有意思的模块。

◍ 多项式重构与样本长度如何决定暴力搜索质量

这一版暴力程序只动了一处显式设置，却改了底层公式结构。新增的线性因子过滤器放在第二选项卡，用来在第一步按质量排序后，用「与直线的相似度」给图形形状打分，避免人工逐个肉眼筛。代价是：开启该过滤器后暴力计算速度大约慢 2 倍，但吐出来的主结果总数变少、平均质量更高，后续第二选项卡的丢弃率也更低。 旧版多项式只吃 Close[i]-Open[i]，新版把单根 K 线的全部价格信息塞了进去：Close[i]-Open[i]、High[i]-Open[i]、Low[i]-Close[i]、Low[i]-Open[i]、High[i]-Close[i] 都可作为 x[i]。这些量的线性组合能退化出已有变量，比如 C1=1、C2=-1 时 NewQuant = High[i]-Low[i]，所以基本式里不必重复塞可由现有系数生成的项，它们会在系数寻优中自然浮现。 Y = Sum(0,NC-1)( C[i]*Variant of product(x[1]^p[1]*x[2]^p[2]...*x[N]^p[N]) )，且 Sum(0,N)(p[i])=MaxPowOfPolinom。柱数最少时我几乎只用 1~3 次项，更高阶在普通机器甚至服务器上都跑不动。NC 是项数也即系数个数，总次数超上限任何电脑都展不开。 用多项式而非条件堆叠，核心是把交易信号压成一个连续函数：输出正分或负分，信号强度随函数值走，唯一可调优化参数就是多项式值，不用去猜「用几个条件、什么条件」。但试图强化进场信号，必然在固定时间内减少成交笔数——这是带随机分量的函数普遍现象。 样本大小直接决定随机坑的概率。小样本更容易撞出看似能跑、放到品种全局历史就崩的随机公式。期望策略数 Mn(t)=W(t,F)*Ef(T,N,L)，其中 W=F*t，Ef 随分析区间长度 T、最小成交数 N、最大线性系数 L 变化；L 越小（越贴近直线）系统越难找但越稳。 我自己用 P_FACTOR=(Profit-Loss)/(Profit+Loss) 代替无上限的利润因子，它锁在 [-1,1]，Mx(T) 上限就是 1 且随 T 单调递增。Mq(T,N,S) 永远穿不过 Mx(T) 这条渐近线——真能贴上去就是圣杯，现实没有。外汇和贵金属属高风险市场，这类暴力拟合结论只代表历史样本上的概率倾向，实盘前务必用 MT5 多品种、多周期重跑验证。