Petko Aleksandrov
9/4/2026
9/4/2026
最初是围绕被称为 “最佳外汇 EA 2019” 的策略构建的。由于该框架不再反映当前的测试或市场状况，因此在此进行了重新命名和修正。
首先要明确一点：并不存在普遍意义上的最佳美元/日元 (USD/JPY) 策略。因为所谓的 “最佳” 完全取决于你正在交易的市场环境、你的衡量标准以及你所对比的对象。一个务实的做法是：先使用高时间框架指标来定义当前的市场状况，然后使用较低的时间框架进行实际入场，并通过预设的止损和头寸规模来控制风险。下方的框架结合了 H1 和 M30 的 MACD 过滤器，以及 M5 的基准线 (Kijun-sen) 和 Williams %R 入场信号。请将其视为一个可测试的结构，而非保证盈利的系统，因为坦率地说，没有任何单一系统能在所有市场机制中都保持盈利。
为什么美元/日元 (USD/JPY) 的表现与其它主要货币对不同
美元/日元 (USD/JPY) 往往具有相对较窄的点差和高流动性，尤其是在交易时段重叠期间，这也是它吸引了从手动交易者到算法交易者的原因。但它同时也受到一些力量的影响，而这些力量并不完全适用于例如欧元/美元 (EUR/USD) 等货币对：
- 日本银行 (BOJ) 政策：在历史上，日本银行的政策立场在全球央行中属于较为独特的，政策意外可能会导致美元/日元 (USD/JPY) 剧烈波动。
- 美联储政策：因为该货币对直接处于美国和日本利率预期交汇处。
- 美日利差：这直接影响了套利交易的头寸布局。
- 官方干预风险：历史上，日本当局常在日元快速贬值期间介入市场。
- 避险资金流：由于在整体风险偏好下降的市场波动中，日元往往会突然走强，有时甚至与美元/日元 (USD/JPY) 特有的新闻无关。
任何围绕此货币对构建的策略都应考虑这些动态，至少要针对高影响公告窗口制定计划，并对干预风险保持普遍意识，即使这种情况并不频繁。
多重时间框架结构
这个特定的设置为每个时间框架分配了不同的角色：
| 时间框架 | 角色 |
| H1 | 主要动量过滤器 |
| M30 | 次要动量过滤器 |
| M5 | 入场信号 |
这里有一个值得停下来思考的部分，因为这是一个真正的细节差异：这并不是一个趋势追踪系统。它更接近于区间或均值回归方法。其逻辑是将负向 MACD 条件视为潜在的回调或动量减弱环境，值得买入；将正向 MACD 条件视为动量增强环境，值得卖出。这与单纯顺应高时间框架趋势的哲学不同，在假设该框架表现得像典型的趋势追踪 EA 之前，理解这一区别至关重要。
确切规则
模糊的 “MACD 确认” 措辞对实际构建或测试没有任何帮助，因此这里提供一个可复现的表格。
| 时间框架 | 指标 | 做多条件 | 做空条件 |
| H1 | MACD | MACD 线在信号线之下 | MACD 线在信号上之 |
| M30 | MACD | MACD 线在零轴之下 | MACD 线在零轴之上 |
| M5 | Kijun-sen (基准线) | 价格向上穿越 | 价格向下穿越 |
| M5 | Williams %R | 转向向上 | 转向向下 |
关于 MACD 过滤器： 本文所依据的文章最初并未明确说明所使用的快速 EMA、慢速 EMA 或信号周期，也未说明应用的价格或是在 K 线内检查还是仅在完成 K 线时检查。对于任何试图复现此过程的人来说，这些细节至关重要。如果你在自行构建，请明确定义所有参数，并仅在完成的 K 线（已收盘）上进行评估，而不是在正在形成的 K 线上，以避免信号随 K 线发展而发生变化。
关于 Williams %R 的 “转向” 方向： “转向向上” 这一说法不够精确，无法进行可靠的代码编写或测试。一个可行的精确定义是：已完成的 M5 K 线上的 Williams %R 值高于其紧接的前一根已完成 K 线上的值。仅当你实际的实现方式与之匹配时才使用此定义，因为定义方向性转折还有其他合理方式，例如要求连续两次更高的读数而非仅一次。
关于 Kijun-sen (基准线)： 此设置仅使用一目均衡表中的 Kijun-sen 线，而非完整的指标系统。标准的一目均衡表设置通常使用 9 周期 Tenkan-sen、26 周期 Kijun-sen 和 52 周期 Senkou Span B，并带有 26 期的位移，但在假设标准默认设置适用之前，请先确认你的具体实现使用的是哪些设置。
修正后的实操案例
这里是该内容的原始版本出现严重不一致的地方：它引用了大约 109.58 的数值，然后却根据另一个不同的价格 109.30 来计算止盈距离，导致产生的数据无法衔接。让我们通过在整个过程中一致使用一个入场价来修复这个问题。
对于 109.58 的空头入场：
- 止损 (70 点): 109.58 + 0.70 = 110.28
- 止盈 (80 点): 109.58 − 0.80 = 108.78
这是修正后的计算，从头到尾使用了一个经过验证的入场价。在计入点差、佣金、滑点和隔夜利息之前，这里的名义盈亏比为 80 ÷ 70，即约为 1.14:1。该比例能否产生整体盈利的策略，很大程度上取决于全样本交易中的胜率和平均实现结果，而不仅仅取决于该比例本身。
主观退出问题
有一个值得诚实指出的习惯：在“距离目标仅剩 10 点”时提前平仓，在当时看来似乎很合理，尤其是当你盯着屏幕且不想冒着失去浮盈的风险时。但这种做法与使用固定 80 点目标的策略是不同的。在实践中，如果你在交易“提前退出”版本的同时，去测试“固定目标”版本，这意味着你的实盘结果和你的回测衡量的是两件不同的事情。
如果提前退出确实是你交易方式的一部分，请明确定义它。例如：当价格达到原始目标距离的 90% 时平仓。然后，单独测试这一特定规则，因为它需要独立的验证，而不是仅仅因为固定目标版本经过了测试就假设它也有效。
为什么“最佳”需要不止一个例子
展示一次成功的交易（入场、止损、目标、净利润）并不能证明一个策略是可靠的。它只能证明某一个实例是有效的。一个可靠的评估应该观察定义测试期内的每一个合格信号，而不仅仅是那个刚好看起来足够清晰、适合截图的信号。
该评估应披露：
| 测试要素 | 发布内容 |
| 测试期 | 确切的开始和结束日期 |
| 数据来源 | 经纪商或机构数据馈送 |
| 时区 | 影响 H1、M30 和 M5 蜡烛图边界 |
| 点差 | 固定或变动假设 |
| 佣金 | 每手或往返 |
| 滑点 | 使用的假设或测量的结果 |
| 隔夜利息 | 多头和空头融资利率 |
| 头寸规模 | 固定手数或基于风险 |
| 初始余额 | 用于提供回报背景 |
| 交易次数 | 全样本量 |
| 胜率 | 获利交易的百分比 |
| 平均盈亏 | 用于计算期望值 |
| 利润因子 | 总利润除以总亏损 |
| 最大回撤 | 基于余额和净值 |
| 样本外结果 | 在未用于构建规则的数据上的表现 |
| 步进验证结果 | 顺序、滚动验证 |
| 前测结果 | 模拟或实盘期间，实时运行 |
如果不进行这些说明，称一个策略为顶级表现者就更接近于营销口号，而非有据可依的结论。这并不是在贬低底层框架（其结构确实非常合理），只是单纯的结构本身并不能证明盈利能力。
固定距离 vs 波动率调整退出
70 点止损和 80 点目标是固定距离，而固定距离在每种市场条件下并不一定表现一致。在安静、低波动性的阶段，该止损相对于典型的价格波动可能显得异常宽。而在日本央行（BOJ）公告或美国通胀数据发布前后，它可能会在初始激增期间几乎立即被触发。
一个值得测试的替代方案（尽管不假设它自动优于前者）是基于 ATR 的止损，它随近期波动率进行缩放，而不是保持固定。在决定哪种方法更好之前，请在相同的数据上对比这两种方法。固定距离更容易理解；波动率调整型虽然具有适应性，但会增加另一个参数，如果不小心，可能会导致过度拟合。
多时间框架交易是否真的实现了风险分散？
并非自动实现，这一点值得诚实说明。在同一货币对的不同时间框架上运行策略，如果这些策略在相同方向入场、响应相同的底层趋势、使用相关的指标，或者同时持有头寸，仍然会产生高度相关的风险敞口。不同的时间框架确实在一定程度上减少了信号重叠，但它们本身并不能保证真正的多元化。如果你正在叠加多个系统，最好实际测量回报相关性和同步风险敞口，而不是假设时间框架的多样性本身就能解决这个问题。
USD/JPY 策略类型对比
为了将上述多时间框架框架置于背景中，以下是它与其他交易者应用于该货币对的常见方法的对比。
| 策略类型 | 典型逻辑 | 主要优势 | 主要劣势 |
| 趋势追踪 | 在既定趋势内买入突破或回调 | 捕捉持续的方向性移动 | 在区间市场中表现挣扎 |
| 均值回归 | 在区间内买入弱势，卖出强势 | 在稳定条件下表现良好 | 当价格实际突破时容易产生风险 |
| 基于利差交易 | 头寸与利率差异保持一致 | 可以从持续的融资中获益 | 对政策突变敏感 |
| 新闻突破 | 在重大发布后交易波动性 | 具有大幅短期波动的潜力 | 事件期间的滑点和点差扩大 |
| 多时间框架混合型 | 高时间框架过滤配合低时间框架入场 | 在入场前增加结构化确认 | 参数更多，过拟合风险更高 |
本文涵盖的框架属于最后一类，鉴于其处理“便宜”和“昂贵”MACD 读数的方式，其精神更接近于均值回归，并结合了多时间框架确认。这是一个合理的结构。至于它是否能在这一特定货币对上优于简单的趋势追踪方法，这确实是一个经验性问题，而非任何框架都能默认声称的。
值得明确定义的风险控制
除了止损和目标本身，一个完整的规范还需要原版本中未定义的几项内容：
- 头寸规模，根据账户风险和止损距离计算，而不是从别人的例子中复制固定的手量
- 最大未平仓头寸数，以防信号重复导致风险敞口意外叠加
- 新闻过滤器，决定是否允许在重大发布窗口期内进行交易
- 点差过滤器，避免在点差扩大超过定义阈值时入场
- 时段过滤器，因为流动性和典型波动性在亚洲、欧洲和美国时段之间会发生显著变化
- 明确的早期退出规则，要么完全禁止，要么进行精确编码，而不是作为一种主观习惯
常见问题解答
真的没有唯一的最佳 USD/JPY 策略吗？
没错，至少没有一种策略能适用于所有市场状况。趋势追踪方法在持续的方向性运动中往往表现更好，而均值回归设置在稳定、区间震荡时期表现更佳。市场机制会发生转变，有时并无预警，因此近期表现良好的策略并不能保证未来能持续表现良好。将多种方法与定义的指标、回撤、一致性和样本外结果进行比较，比寻找一个普遍优越的系统更有用。
为什么 USD/JPY 对央行政策特别敏感？
USD/JPY 直接处于美联储和日本央行政策的交汇点，两者的利率差异极大地影响了进入和退出该货币对的利差交易流。由于日本央行的立场在历史上与其它主要央行有显著不同，政策意外可能会产生比其他货币对更剧烈的波动。在过去日元快速贬值的时期，日本官员也曾直接干预货币市场，这在典型的货币政策预期之外增加了风险层级。
为什么该策略对 MACD 的使用方式与典型的趋势追踪系统不同？
这个特定的框架将负 MACD 读数视为潜在的回调或弱动量情况，值得买入；将正读数视为强动量情况，值得卖出，这更接近于均值回归哲学而非趋势追踪。典型的趋势追踪 MACD 策略做法大致相反，在动量转正时买入，在转负时卖出。这两种方法都没有本质上的对错；它们是基于价格在每个 MACD 条件出现后的不同行为假设而构建的。
这个框架可以自动化为专家顾问（EA）吗？
原则上是可以的，因为这里描述的每个规则（两个时间框架的 MACD 条件、Kijun-sen 交叉、Williams %R 方向）都可以编写进 MQL4 或 MQL5。但在实践中，要正确实现这一点，首先需要确定每一个模糊的细节，包括精确的 MACD 设置、应用价格、信号仅在完成的 K 线图上评估，以及对 Williams %R 方向转折的精确定义。跳过这些基础工作可能会导致生成的 EA 表现与最初手动测试的结果不符。
盈亏比应如何纳入该策略的评估中？
设定的 70 点止损和 80 点目标产生的名义盈亏比约为 1.14:1（在计算点差、佣金、滑点和掉期之前）。仅凭这个比例并不能告诉你该策略是否盈利。一个盈亏比为 1.14:1 且胜率为 60% 的策略，与一个盈亏比相同但胜率为 40% 的策略，其表现截然不同。比例和胜率需要结合起来评估，理想情况下应针对完整的已发布交易样本进行评估。
关于课程和机器人推广的说明
如果你正在将此框架与付费课程、EA 下载或通过邮件获取的资源进行对比评估，在投入使用前，值得提出几个直接的问题：底层的 EA 是否仍在积极维护？发布者能展示的最近一次正向测试周期是多久？以及公布的结果是由独立机构产生的，还是由发布者本人产生的？提出这些问题并不寻常，一个透明的提供商应该能够清晰地回答。
最终总结
一种使用 MACD、基准线（Kijun-sen）和 Williams %R 的多时间框架 USD/JPY 策略，具有精确的规则、修正后的计算和诚实的风险披露。
有兴趣尝试专门为 USD/JPY 设计的现有策略吗？来看看 JapanStrike EA，这是一款专为想要探索该货币对现成方法的交易者而构建的自动化外汇机器人。在考虑实盘交易之前，请仔细查看其策略、设置和风险概况，并在模拟账户上进行测试。
本文仅用于教育目的，不构成财务或交易建议。外汇交易涉及重大风险，包括可能损失超过你的初始存款。过往表现和回测结果并不保证未来的结果。
