智能测试报告中数字的意义
介绍 任何交易可以在历史数据上测试。在测试完成之后，总结性的结果和一些特性会在“报告”标签显示。报告允许对不同智能交易进行对比，对于相同而不同输入数据的智能交易进行对比。本文将会详细解析测试报告中的数字意义。测试结果报告范例以下方测试报告结果为范例进行解析:
http://articles.mql4.com/c/articles/2005/12/report.png
[*]'Bars in test' 以模型为基础,显示历史的深度。
[*]'Ticks modelled'显示模型次序的大小。 每一个记录的次序代表柱的当前或另一时刻状态 (OHLCV)。 不同柱的状态取决于时间范围，模型方法，和从较小时间段内的柱的历史数据。
[*]'Modelling quality' 按照以下的公式进行计算：
ModellingQuality = ((0.25*(StartGen-StartBar) +
0.5 *(StartGenM1-StartGen) +
0.9 *(HistoryTotal-StartGenM1)) / (HistoryTotal-StartBar))*100%;位置:
[*]HistoryTotal - 在历史中的总数额；
[*]StartBar - 开始测试柱的数字。模型开始于最小的第101个柱或者测试水平初始日期相关的柱;
[*]StartGen - 在最近的时间范围内开始测试柱的数字；
[*]StartGenM1 - 在原有分钟内开始测试柱的数字；
另外:
[*]对于最近时间范围数据库模型的开始和最近时间范围数据模型的开始存在重量系数0. 25的区别;
[*]对于最近时间范围数据库模型的开始和最近时间范围数据模型的开始在原有分钟内存在重量系数0. 5的区别；
[*]在原有时间上模型的开始和历史数据的末尾之间重量系数0.9的区别。
[*]Gross profit, 所有赢利交易总数的净赢利值;
[*]Gross loss, 所有亏损交易总数的净亏损值；
[*]Total net profit, 净赢利值和净亏损值之间的差别:
TotalNetProfit = GrossProfit - GrossLoss
[*]Profit factor, 赢利原因显示在多少时间内净赢利值超过净亏损值:
ProfitFactor = GrossProfit / GrossLoss
[*]Expected payoff,预期值可以使用以下公式进行计算:
Expected Payoff = (ProfitTrades / TotalTrades) * (GrossProfit / ProfitTrades) -
(LossTrades / TotalTrades) * (GrossLoss / LossTrades)位置:
[*]TotalTrades - 交易总数;
[*]ProfitTrades - 赢利交易总数;
[*]LossTrades - 亏损交易总数;
[*]GrossProfit - 净赢利交易总数;
[*]GrossLoss - 净亏损交易总数.
[*]
[*]在一定程度上从最初的平衡显示减少原始的价值： AbsoluteDrawDown = InitialDeposit - MinimalBalance
[*]最大借款值和当前最小借款值的最大差距：
MaximalDrawDown = Max of (Maximal Peak - next Minimal Peak)在图表的下方会给出测试的最大借款价值的基本状态。总的最大借款价值会以粗箭头标出。
http://articles.mql4.com/c/articles/2005/12/MaximalDrawDown.png
最大借款百分比的比率等于最大借款和它的各自价值的商：
MaxDrawDown % = MaxDrawDown / its MaxPeak * 100%
在报告中显示的其他结果可以应用简单的数学方法计算。
[*]Total trades - 在测试里的交易总数；
[*]Short positions (won %) - 卖空仓位总数额和其中赢利百分比（卖空仓位/卖空仓位总数*100%）；
[*]Long positions (won %) - 看涨仓位总数额和其中赢利百分比（看涨仓位/看涨仓位总数*100%）；
[*]Profit trades (% of total) - 赢利交易总数和交易总数的百分比（赢利交易/交易总数*100%）；
[*]Loss trades (% of total) - 亏损交易总数和交易总数的百分比（亏损交易/交易总数*100%）；
[*]Largest profit trade - 赢利交易中获得的最大赢利；
[*]Largest loss trade - 亏损交易中获得的最大赢利；
[*]Average profit trade - 赢利交易中赢利的平均数 (净赢利值 / 赢利交易)；
[*]Average loss trade - 亏损交易中亏损的平均数(净亏损值 / 亏损交易)；
[*]Maximum consecutive wins (profit in money) - 在这一系列赢利总数和交易的赢利系列中最大连续盈利；
[*]Maximum consecutive losses (loss in money) - 在这一系列亏损总数和交易的亏损系列中最大连续损失；
[*]Maximal consecutive profit (count of wins) - 在交易总数中最大连续交易的赢利；
[*]Maximal consecutive loss (count of losses) - 在交易总数中最大连续交易的赢利；
[*]Average consecutive wins - 赢利系列中连续盈利的平均数；
[*]Average consecutive losses - 亏损系列中连续损失的平均数.
模型示意图中的色彩应用以下色彩应用于以下示意图：
[*]亮绿色- 分钟内的模型，图中标注为7。
[*]略深绿色 – 显示模型大的时间范围，从M5至 H4。
[*]粉色- 完全的不规则碎片模型。图中标注为2 。
[*]灰色- 原有的模型，图中标注为1 。
http://articles.mql4.com/c/articles/2005/12/modelling_quality.png
上方的色彩示意图是按照最初模型数据计算的：
[*]Bars in test = 4190;
[*]StartBar = 2371;
[*]StartGen (H4) = 3042 (图中标注为3 );
[*]Start H1 = 3355 (图中标注为4);
[*]Start M30 = 3841 (图中标注为5);
[*]Start M15 = 3891 (图中标注为6);
[*]Start M5 = 0 (图中没有标注);
[*]Start M1 = 3917.
由以上这些价值和模型的公式获得以下结果：
((0.25*(3042-2371) + 0.5*(3917-3042) + 0.9*(4190-3917)) / (4190-2371))*100% =
((0.25*671 + 0.5*875 + 0.9*273) / 1819)*100% = 46.78%
晕死也不多加点分 感謝樓主 我起来了 哈哈 刚才迷了会 shit 越办越好~~~~~~~~~` 感谢分享 谢谢分享！！！！！
继续，学习了 回复看看
页:
[1]
2