道琼斯算法交易：查看每种策略是如何被筛选的

风险提示。 指数差价合约和期货是杠杆交易产品。在某些账户类型下，损失可能会超过存款，且自动化执行并不能降低市场风险敞口。以下所有内容均为教育材料，而非个性化指导，且所述结果均为历史数据。

直接回答

在 US30 上进行算法交易意味着软件根据预先编写的规则，对与道琼斯工业平均指数（DJIA）挂钩的工具进行开仓、管理和平仓。执行时刻没有主观判断。代码会监控价格，应用其设定的条件，并在你盯着屏幕或熟睡时，通过交易平台发送订单。

本页涵盖的是特定的工作流程，而非单纯的理论：即多种交易策略如何首先在模拟账户上进行测试，通过交易次数、获利因子、净点数和胜率进行筛选，只有在通过这些过滤器后才会晋升至实盘资金。每种算法交易候选对象的筛选标准、表现数据、方法的统计学弱点以及涉及的成本，均列于下方。

在开始之前，有一个提醒。这里描述的过滤器是我多年运行算法交易账户所提炼出的操作习惯。它们并非经过验证的标准，我也会指出那些证据支撑力度不如我预期的部分。

算法交易的真实含义

剥去营销外壳，剩下的就是告诉计算机何时买卖证券的代码。定义好条件，机器就会根据传入的价格数据持续进行检查，并自动发出订单。

自 20 世纪 7 0 年代以来，机构交易席位一直以这种方式运作，当时程序化交易首次通过交易所系统移动大规模股票篮子。散户接触算法交易要晚得多，是通过像 MetaTrader 这样的平台，让个人可以将专家顾问（EA）附加到图表上并让其运行。最近，AI 驱动的算法工具也进入了讨论范围，尽管大多数散户算法（包括我的）仍然是基于规则而非自适应的。

任何算法交易设置都存在三个层面：

层面	功能	控制者
信号逻辑	决定方向和时机	策略开发者
算法执行	将信号转化为实盘订单	平台和经纪商
风险框架	设定风险敞口、规模和关闭规则	账户持有者

大多数刚接触算法交易的交易者会痴迷于第一层。根据我在数十个交易账户中的经验，第三层才决定了生存。

交易哪种工具

工具定义比本页上的几乎任何其他事项都重要，而 2020 年的原创文章完全忽略了这一点，我对此深感遗憾。

指数本身是无法直接购买的。你实际持有的是与其挂钩的衍生品，在不同产品之间进行选择会显著改变定价、交易成本、交易时段和保证金要求。

在运行任何程序之前，请打开你经纪商的合约规格书，并写下以下所有内容。每一项都会改变你的结果：

字段	重要性
准确的经纪商代码	US30、DJ30 和 WS30 并不总是同一种产品
产品类型	CFD、期货、ETF 或合成产品，各自的定价方式不同
合约规模	两个经纪商之间的规模可能相差十倍
最小交易量	决定了你能承担的最小风险
账户和报价货币	汇率转换会影响你记录的每一项结果
交易时段	指数产品会收盘，这与货币市场不同
典型的点数差	短期持仓的主要成本
每手的佣金	有时为零，有时则非常显著
隔夜融资	对多头和空头头寸分别计费

提供看似完全相同代码的两个经纪商，其合约规模可能相差十倍。在不检查规格窗口的情况下，直接复制他人的交易账户设置，是新手算法交易者最昂贵的错误之一。

指数中的“点数”意味着什么

FX Blue 和类似的报告工具无论资产类别如何都会显示一列 pips（点），当你从货币市场转向股指时，这会造成混乱。

在主要货币对上，一个 pip 是标准化的分数位移动。在 US30 上，该列通常报告指数点数，其中一个单位的移动等于标的物的一个点。一些经纪商会进一步细分。另一些则报价到小数点后一位，并将该小数位视为报告单位。

看看我自己的模拟记录数据：记录了 694.2 个净点数，同时净利润为 $60.84。这两个数字看起来极其不一致，直到你算出它们的隐含关系，即每一个有利移动点大约产生 9 美分的利润。这个比例告诉你，头寸规模极其微小，并证明了为什么孤立地看任何单次交易次数或总点数都意义不大。

在阅读任何关于指数的算法交易报告之前：

• 在合约规格书中查找跳动点（Tick）大小。
• 查找你账户货币中的跳动点值。
• 始终将波动量乘以数值以计算金额。
• 将点数视为准确性的衡量标准，而非盈利能力的衡量标准。

说实话，我仍然喜欢观察点数列。它能显示一个算法是在捕捉真实的波动，还是在捕捉噪音。但最终离开账户的是钱。

算法如何下单

这里讨论的策略是在 EA Studio 中生成的，并作为专家顾问（Expert Advisors）在 MetaTrader 中运行。虽然不同算法的具体细节有所不同，但任何一个算法都应该能够说明：

1. 进场条件：哪些指标、哪些阈值、哪个时间框架。
2. 出场条件：目标、保护水平、指标反转或基于时间的关闭。
3. 头寸规模：固定成交量或与余额挂钩的百分比计算。
4. 并发限制：单个算法同时可以持有多少个头寸。
5. 时段过滤器：是否允许在主要交易时间之外进场。
6. 新闻处理：高影响事件是否会暂停算法。

将这些规格与业绩数据分开发布，是我对任何分享结果的人的建议，而这个页面的早期版本未能做到这一点。没有背后交易规则的资金曲线仅仅是装饰品。

测试序列

三个阶段，按顺序进行，跳过任何一个都可能导致糟糕的结果。

• 历史模拟：用于消除明显的失败，并了解算法在不同市场机制下的表现。回测数据仅描述过去。在我生成的每一个资金曲线在遇到实盘点差之前，看起来都非常完美。
• 模拟盘前测：筛选发生在这一阶段。交易算法在当前条件下在模拟账户上运行，生成没有人针对其进行优化的全新交易，我观察的是它们现在表现如何，而不是在 2019 年表现有多出色。
• 小规模实盘部署：推广的策略从最小风险敞口开始。滑点、重新报价和融资费用会在此时出现，而不会在更早阶段出现。

为什么要费心进行中间阶段？因为每个算法都会经历盈利阶段和停滞阶段。生成阶段的资金图表清楚地显示了这一点：增长，然后是回撤，然后是持平，然后再次增长。这完全正常，且很大程度上是不可预测的。我的目标是持有那些在此时看起来具有建设性的算法头寸，使用当前的市场行为作为证据，而不是使用多年前的模拟数据。

这个目标是否可以实现是另一个问题，将在下文讨论。

投资组合业绩数据

一份来自 2020 年原始资料的模拟快照记录了十个已部署策略共 60.84 美元的净利润，通过 FX Blue 追踪了 694.2 个净点。这两个数字是该账户中仅存的记录。

这才是本节的意义所在。两个数字无法支撑任何结论，我宁愿向你展示一个可用的记录，也不愿向你展示一个经过修饰的不完整记录：

记录指标	它告诉你什么
结果类型	模拟、回测和实盘结果不具可比性
测试周期和日历天数	短窗口测量的是运气，而非优势
初始余额	将货币数值转换为百分比
总交易次数	判断样本是否有意义的最佳单一指标
盈利与亏损，以及百分比	胜率的基础
投资组合获利因子	总收益与总亏损的比率
最大资金回撤	平均值会掩盖的最糟糕时刻
每笔交易的平均结果	Reveals whether costs are eating the edge
最大收益与最大损失	暴露对异常值的依赖
最长连亏记录	你可能需要经历的过程
平均持仓时间	决定隔夜融资风险
支付的总成本	通常比初学者预期的要大

从你的第一个模拟账户开始，请保留那份交易记录。正如我发现的那样，以后想要重建它是无法实现的。

筛选方法一：获利因子

等待算法完成至少五笔已平仓交易，然后检查其获利因子是否高于 1.2。

获利因子是用总收益除以总亏损。任何高于 1.0 的数值都意味着该算法在样本中的盈利超过了亏损。1.2 的读数意味着多出 20%。

很简单。五笔交易是一个筛选触发器，而不是优势的证明，我想直言不讳，因为这个页面的早期版本暗示了比数据所支持的更高的信心。

筛选方法二：净点数

相同的最小计数，不同的衡量标准。净点数超过 100 点的交易策略会被纳入考虑。

从一个时段的数据来看：领先的算法分别显示了 358、204、194、180 和 178 点。当天有六个通过了阈值。结合获利因子的要求，只有三个同时通过了这两项。

应用点数过滤器需要了解你经纪商的惯例，正如前文所述。在一种规格下的一百点，在另一种规格下可能代表十倍的资金。

筛选方法三：胜率

至少十笔已平仓交易，且其中至少七笔盈利。

这个过滤器有一个明显的弱点，指出它比让读者付出高昂代价才发现它要好。胜率完全忽略了盈亏幅度。如果一个算法在十次交易中赢了七次，但在剩下的三次中遭遇毁灭性亏损，那么整体上是亏钱的，但它依然能轻松通过这个筛选。在根据该指标采取行动之前，请将其与平均盈利/平均亏损或利润因子结合使用。

筛选方法	规则	局限性
利润因子	五笔已平仓交易，高于 1.2	小样本会导致读数不稳定
净运动	五笔已平仓交易，高于 100 点	没有合约规格说明则毫无意义
胜率	十中七胜	完全忽略了风险回报比

欢迎你建立自己的交易过滤器。我的过滤器是通过重复实践而非研究开发的，在采用它之前，这一点值得了解。

为什么五笔交易几乎无法证明任何问题

统计诚实部分，这可能是大多数算法交易内容都会跳过的部分，尽管它是本页最重要的部分。

五笔已平仓交易是一个极小的样本。一个完全没有真实优势的抛硬币算法，仅仅由于方差的作用，在五次结果中产生高于 1.2 的利润因子的情况出奇地频繁。十笔交易也几乎无法改善情况。建立稳定的胜率通常需要数百次观察，而不是几十次。

其他几个问题也值得指出：

• 追逐近期表现： 选择上周表现良好的策略，可能仅仅意味着选择了上周运气好的策略。
• 在造成损失后切换： 一旦算法跌破阈值就将其移除，意味着损失已经发生。你捕捉到了下跌，却可能错过了回升。
• 多次比较： 筛选二十个候选者并晋升三个，这保证了某些通过者仅仅是靠运气达到了标准。
• 机制变化： 适合某个季度算法的市场条件可能会在下一个季度毫无预警地消失。
• 部署成本： 轮换策略会在每个周期产生点差和佣金。

该过滤器是否能改善样本外结果？要正确测试这一点，意味着要将筛选规则本身作为一个策略在长期的历史记录中运行，并与简单持有所有资产进行比较。我还没有进行过那项测试。我认识的这个领域内也没有人发布过此类测试。在有人发布之前，请将这里的算法交易工作流视为一种合理的启发式方法，而非已证实的改进。

分散投资需要衡量，而非假设

我长久以来的规则是同时运行至少三个算法，而不是一个，理由是当几个算法亏损时，其他的可以进行补偿。交易单一策略会让你在它进入停滞阶段的瞬间完全暴露在风险中。

合理的直觉。但推理并不完整。

使用相似指标家族在相同时间段交易同一指数的几种策略并非真正独立。它们可能会同时买入同一个突破并一起亏损。真正的风险分散需要证据，这意味着需要报告：

衡量指标	重要性
算法之间的回报相关性	数值接近 1.0 意味着风险敞口并未实现真正的分散
重叠的入场时间戳	同时进行的交易会集中风险
共享的指标家族	相似的逻辑会导致相似的失败
最大组合风险敞口	当所有信号同时触发时的总头寸规模
组合总回撤	比任何单一数字所示的都要深
方向性偏好	全多头组合本质上是一个杠杆做多头寸

我从未发布过这些策略的相关矩阵，也不会假装发布过。在这些数据存在之前，“多种策略”描述的是数量，而非风险属性。

规模、风险敞口与关停规则

头寸规模值得比策略选择更多的关注，尽管在我阅读的大多数算法交易材料中，它仅占讨论量的十分之一左右。

• 在部署任何内容之前，确定最大可接受的投资组合回撤。
• 调整单个交易的规模，使最坏情况下的同时风险敞口保持在该限制之内。
• 考虑到每个算法同时开仓的可能性，因为偶尔确实会发生这种情况。
• 预先设定一个硬性的净值底线，一旦触及则停止一切操作。
• 在指数产品上保持适度的杠杆，因为一百点的缺口会迅速消耗大量资金。

隔夜融资适用于持有超过每日展期时间的头寸，而某些策略会持仓过夜。这些费用会悄无声息地累积，并出现在你的账单中，而不是你平台的利润栏中。

添加、暂停与移除

在晋升为实盘交易账户后，监控仍将继续。实盘表现将根据与筛选时相同的标准进行检查，因此，如果一个算法的利润因子降至 1.2 以下，它将被从交易账户中移除。

筛选规则与移除规则之间的一致性至关重要。如果晋升的标准与持有期间的标准不一致，投资组合就会在不知不觉中充斥着表现不佳的资产。

对于任何初学者来说，一个有用的练习是：开设第二个模拟账户，并像对待真实资金一样对待它。将通过测试的三种算法放入其中，并行运行两个账户，并根据你选择的方法在它们之间轮换。练习这个过程除了耐心之外不需要任何成本。在信任自己的工作流程之前就匆忙进入实盘交易，成本会高得多，许多交易者都通过这种昂贵的教训吸取了经验。

模拟交易与实盘交易

这两个环境之间的结果存在差异，有时差异很大：

• 模拟服务器通常以报价价格成交，完全没有滑点。
• 实盘交易会在你的终端与经纪商之间引入延迟。
• 在经济事件和交易时段转换期间，点差会扩大。
• 实盘账户会出现重新报价和部分成交，而模拟账户很少出现这种情况。
• 在模拟条件下，融资费用可能会被不准确地模拟或完全省略。
• 在大规模交易时，订单队列位置非常重要，尽管对于较小的零售交易量而言并不那么重要。

预期实盘交易数据会低于模拟数据。提前为这种差距做好预算，比被其惊吓要好。

常见问题

自动化交易需要 VPS 吗？ 

对于任何在你清醒时间之外运行的算法，实际上是需要的。当你的电脑进入睡眠状态、更新或失去互联网连接时，虚拟专用服务器可以让平台保持连接。这很重要，因为在杠杆指数产品上未受管理的未平仓头寸可能会在隔夜时段对你产生不利影响。在靠近经纪商服务器的地方托管也能略微降低延迟。许多经纪商在账户余额达到一定阈值后会提供免费托管，因此在单独付费购买服务之前，请先咨询支持部门。

这与期货相比如何，而不是差价合约？ 

此类交易所交易合约通过集中定价、标准化规格和透明的成交量数据进行集中清算，而差价合约则是与你的经纪商达成的双边协议。交易所版本合约的规模要大得多，这提高了最低资本要求。融资方式也不同：期货将持有成本嵌入到合约价格中，而不是每日收取费用。这两种结构没有绝对的优劣之分，尽管交易所路径适合较大的交易账户，而差价合约适合规模较小的分拆交易。

这些算法可以在重大经济公告期间交易吗？ 

我的算法配置为避开这些时段，我也建议初学者这样做。例如美国就业数据、通胀数据和美联储决议等发布，会产生突然的缺口，导致订单在远低于预期水平的位置成交。自动化逻辑无法评估价格跳动是反映了真实的重新定价，还是暂时的流动性不足。通过经济日历进行过滤，或简单地在预定事件期间暂停，可以消除一整类不可预测的交易结果。

我实际应该瞄准多少利润因子？ 

较高的数值看起来很有吸引力，尽管基于极少观察值的计算值无论大小都意义不大。在数百笔已平仓交易中，在扣除交易成本后，指数算法维持在 1.3 到 1.6 之间的数值即代表表现稳健。对于来自零售渠道且数值高于 2.0 的任何数据都要保持警惕，因为此类数字通常来自样本量过短、过度拟合参数或排除了现实点差假设的回测数据。样本量比标题数值更值得关注。

API 连接是否优于基于平台的执行？ 

直接的交易所或经纪商 API 提供更快的订单路由和更精细的控制，这有利于毫秒级影响结果的高频交易。对于持仓数小时的零售交易者来说，这种速度几乎没有任何收益。通过 MetaTrader 进行平台执行可以处理同样的工作，且开发工作量更少，无需维护服务器，且运行实盘的路径更短。复杂性应随需求而定，大多数人永远不会达到需要这种连接来解决实际问题的程度。

How much capital does index algo trading require? 

资本量应足以使最小头寸规模占余额的合理比例，这完全取决于你的经纪商的合约规格。如果最小可用成交量在常规的不利波动中就会面临账户数个百分点的风险，那么无论算法质量如何，该账户对于该工具来说都太小了。与其从一个感觉负担得起的数字开始，不如从同时部署的所有资产在最坏情况下的风险敞口开始倒推，然后增加缓冲。

这些方法适用于其他市场吗？ 

由于盈亏比、样本数量和胜率适用于任何品种，该筛选框架具有较好的通用性。不过，阈值需要进行调整。在货币市场、大宗商品或股票指数市场中，一百个点所代表的含义完全不同，且持有期也会随波动特性而变化。针对每个市场分别测试阈值，比假设在一个资产上开发的设置可以通用于另一个资产要好得多。期权和期货还会引入需要独立研究的进一步差异。

如果所有算法同时亏损会发生什么？ 

这种情况确实会发生，而对此进行规划是区分‘糟糕的一个月’与‘账户清零’的关键。相关性失效通常发生在市场机制变化期间：例如趋势市场转为震荡行情，导致为趋势延续而设计的策略同时失效。你的保护措施是前文提到的预设净值底线，以及假设同时暴露风险而非平均暴露风险的头寸规模。没有人能完全避开这些时期，因此在这些时期内保持资本完整地生存下来，才是现实的目标。

披露： 此处内容仅用于教育目的，不构成买卖任何金融工具的建议。自动化交易减少了执行过程中的情绪化决策，这确实非常有用，但它也带来了自身的运营风险：包括连接失败、代码错误、经纪商端的变更以及无人看管的风险敞口。在将资本投入任何交易系统之前，请考虑寻求受监管的专业人士的指导。