用 MQL5 云网络把 EA 优化提速上百倍

一、什么是云网络优化

MT5 的「云网络（MQL5 Cloud Network）」是一群志愿者提供的分布式计算资源，你可以用它加速策略测试器的遗传优化：把参数组合拆成小任务，分发到网络里的多台机器并行跑，再把结果回收汇总。对需要扫海量参数的 EA，本地跑几天的事，云网络几小时就能出。

本质是把「单机的暴力搜索」变成「众包的并行搜索」。代价是要按计算量付费（或你贡献空闲算力抵扣），且要信任网络节点跑你的 EA——所以只在用标准、无害的回测逻辑时启用。

二、怎么启用

在策略测试器的「代理」页勾选使用 MQL5 云网络，登录 MQL5 社区账号并充值/贡献算力。之后选「遗传算法」优化模式，测试器会自动把种群分发到网络。你本地只需汇总与筛选最优结果，重活交给网络。

三、遗传优化的评分函数

云优化要有一个明确的「谁更好」标准，这就是 OnTester 返回的评分。评分设计决定优化方向：单纯返回总盈利会诱导过拟合尖峰，更好的是风险调整指标（如盈利因子×回撤倒数）。评分写对了，网络才帮你找到稳健参数而非漂亮幻觉。

double OnTester()
{
   double pf = TesterStatistics(STAT_PROFIT_FACTOR);
   double dd = TesterStatistics(STAT_EQUITY_DDREL_PERCENT);
   return (pf>0) ? pf*(100.0/(100.0+dd)) : -1;  // 风险调整评分
}

四、并发与额度控制

云网络按核时计费，无节制地开大量代理会很快烧钱。建议先用本地少量代数跑通逻辑、定好评分，再用云网络做大规模搜索；并设好代理数量上限与预算上限，避免一夜爆单。优化是手段，不是烧钱竞赛。

五、结果管理

优化产出一堆参数组合，要按评分排序，挑前几名做样本外验证：用没参与优化的历史段跑一遍，看是否仍稳健。只信样本外也稳的前几名，其余再漂亮也是拟合噪声。把每次优化的参数与评分归档，方便对比迭代。

六、本地 vs 云

低频、参数少的策略，本地多核足够，不必上云；高频扫参、遗传算法大种群，才值得用云网络换时间。折中做法：本地做粗筛定范围，云网络做精搜。这样既省算力钱，又不耽误迭代速度。

七、常见坑

• 评分函数只返回总盈利，诱导过拟合
• 不设预算上限，云算力费用失控
• 忘了样本外验证，把拟合当稳健
• 基础策略期望为负还指望优化翻盘
• 代理网络跑含隐私/外部调用的 EA 有泄漏风险

八、设计抗过拟合的评分函数（进阶）

基础评分只 return 净利润，优化器会狂找「在历史里最赚」的参数，多半是过拟合。更稳的评分要惩罚不稳定与风险：用 profit factor（总盈利除以总亏损）、recovery factor（净利润除以最大回撤）、甚至要求最少成交笔数，把「靠一两次运气赚大钱」的组合压下去。

还可以在 OnTester 里叠加惩罚项：若最大回撤超过阈值直接给低分，若持仓时间过长也扣分。评分函数就是你对「好策略」的定义，定义得越贴近真实目标，云优化找出来的参数才越接近实盘可用，而不是只会在样本内好看。

double OnTester()
{
   double pf = TesterStatistics(STAT_PROFIT_FACTOR);
   double rf = TesterStatistics(STAT_RECOVERY_FACTOR);
   double dd = TesterStatistics(STAT_EQUITY_DD);
   double tr = TesterStatistics(STAT_TRADES);
   if(tr < 30 || dd > 0.25) return 0.0;   // 样本太少或回撤过大直接弃
   return pf * rf;                         // 兼顾盈利质量与回撤恢复力
}

九、样本外验证与过拟合识别

云优化跑完，别急着上实盘。把参数按评分排序，取前几名，用没参与优化的历史段（样本外）重跑一遍，看表现是否仍接近样本内。若样本内漂亮、样本外崩塌，就是典型过拟合——这组参数只记住了历史噪声。

进阶做法是 Walk-Forward（滚动窗口）：用 2019 到 2022 优化、2022 到 2023 验证，再往前滚一截重新优化验证，看参数是否稳定可迁移。能跨窗口保持正向的参数，才值得小仓试实盘；否则宁可弃用，云网络省下的时间不该用来给烂策略找看起来不错的参数。

十、小结