把回測當成預測來讀
它報告的是規則在已經存在的資料上會怎麼做。未來包含著視窗裡沒有的狀況，這正是前推結果更差的原因，而需要提前規劃的恰恰是這個差距。
回測
回測是把 EA 的交易規則套用在歷史價格資料上進行模擬，用來估算該策略在過去會有怎樣的表現。
亦稱：歷史回測, 策略測試, backtest
更新於
一句話講清
把 EA 的規則放到歷史價格上跑一遍，看它當時會怎麼做。它記錄的是一次模擬，而不是一份預測；兩者究竟有多少共同點，完全取決於你怎麼搭建這次模擬。
為什麼重要
回測是絕大多數 EA 唯一拿得出來的證據，所以弄清楚它能證明什麼、不能證明什麼，幾乎就是 EA 評估的全部。它能用很低的成本淘汰一個策略，也能說明規則確實與描述相符；它做不到的是預測，而幾乎每一筆令人失望的購買，都始於把它當成預測來讀。
- 它是可被證偽的，而行銷文案永遠不是。回測會寫明資料來源、日期區間與成本模型，買家因此可以追問這次執行能否重現——而一個不肯寫明這些的 EA，其實已經告訴了你一些事情。
- 它是失敗成本最低的地方。在歷史上虧錢的規則不會到實盤就開始賺錢，所以回測用一個晚上的算力就篩掉了候選者。
- 它的結果是一個區間，而不是一個數字。同一套規則換資料源、換點差、換起始日期，會得到一片分散的結果，而這片分散的寬度才是真正的發現。
用它驗證策略
用在哪裡
- 在投入資金或前推測試時間之前，先篩掉一個策略構想。
- 確定使用者應當預期的交易頻率、平均持倉時間，以及最糟糕的連虧段。
- 產生 EA 頁面上公布的數字——獲利因子、回撤、勝率——這正是執行來源本身就屬於該主張一部分的原因。
- 把既有的 EA 放到更新的資料視窗上重跑，檢查它的行為是否已經漂移。
可靠的結果長什麼樣
- 資料來源、日期區間與測試模型都已寫明，因此這次執行可以被重現，而不是只能被相信。
- 該執行把點差與手續費建模在貼近現實的水準，而不是停在一個理想的固定值上。
- 視窗跨越多種市場狀態：至少包含一段趨勢行情、一段盤整行情與一段承壓行情。
- 沒有人在所報告的這個視窗上調過參；即便調過，頁面也會在旁邊給出一段未被觸碰的樣本外視窗。
- 成交筆數在數百量級，因此那些醒目的統計數字並不是由少數幾筆極端交易撐起來的。
警訊
- 一張沒有資料來源、沒有日期區間，也沒有成交筆數的權益曲線截圖。
- 起點選得過於湊巧的視窗：測試從上一輪危機之後才開始的 EA，等於自己給自己出了考卷。
- 以不合情理的精度給出的參數，例如 37 週期均線搭配 23.7 點的停損。
- 來自範本而非來自真實執行的建模品質數字。MT5 的 Model 0 是用 M1 K 線生成 tick，只有 Model 4 才會回放錄製的真實 tick。這些頁面背後的 schema 曾把該欄位的預設值設為 99，於是一次 Model 0 的執行照樣顯示 '99% modelling quality, against a 92% minimum'，直到該預設值在 2026-08-06 被移除。
- 只在作者做過最佳化的那一個商品上展示的結果。
回測與實盤的差異
- 成交過於樂觀。測試器假定訂單以模擬價格送到了市場；實盤執行還要加上滑點、重新報價與延遲，這三樣都要花錢。
- 成本是靜態的。使用固定點差的回測看不到新聞前後與交易時段交接時的點差擴大，而那恰恰是許多策略下單的時刻。
- 市場已經發生過了。測試視窗裡不含任何策略沒見過的市場狀態，而實盤遲早會送來一種。
- 應當預期實盤的獲利因子與期望值低於測試數字。適度的差距是正常的；符號發生改變則意味著這次測試的成本設定有誤，或者規則被過度擬合了。
- 這個差距在這裡被實測過。本站的十四個上架商品中，回測獲利因子集中在 1.23 到 1.53 之間，而上架之後的樣本外視窗卻從 0.72 一路散到 6.43，成交僅七到 142 筆：其中兩個低於 1.0，而且包括這一組裡回測成績第二好的那一個。樣本小到這種程度，兩個方向上看起來就是這樣。
建議的驗證方法
- 1先把成本模型定下來——貼近現實的點差與手續費——然後再跑，而不是在理想成交上調參、最後再把成本加回去。
- 2在最佳化任何東西之前先留出一段未被觸碰的視窗，並且在規則定稿之前不去看它。
- 3換第二個資料源重跑。兩個資料源之間的分歧只要超過一點點，就是在告訴你結果取決於資料而不是規則。
- 4把起始日期挪動幾週再跑一次。只在某一個起始日期下才成立的結果，不算結果。
範例
同一個 EA、同一段視窗、四次測試執行，彼此之間只差寫進設定檔裡的那個固定點差值。
- 固定點差分別設為 20、30、40 與 60 點
- 四份完全相同的報告
- 四份報告檔案的 MD5
- 471C1CE24EC24E669C20BD2B01EBB8A3
- 每份都是 621,050 位元組——這個設定什麼也沒動。
於 2026-07-31 在 GBPJPYm 上實測，這也是那個商品頁面完全不公布點差數字的原因；之後在測試器內執行的記錄器把均值測到了 19.14 點。
計算 20 / 30 / 40 / 60 點 → 一份逐位元組相同的報告
結果 MT5 的測試器根本沒有 Spread 這個鍵，它是 MT4 遺留下來的，所以真正生效的成本模型從來就不是被設定的那一個
怎麼讀這個數字
把回測當成一份附帶條件的主張來讀。這些條件決定了它在接觸真實帳戶之後還能剩下多少。
| 區間 | 含義 |
|---|---|
| 沒有寫明資料來源或日期區間 | 算不上證據。既沒有東西可供重現，也沒有東西可供反駁。 |
| 寫明來源，單一商品，最佳化過的視窗 | 只是一個起點。它說明規則能在某處賺錢，而這是回測所能說明的最弱的一件事。 |
| 寫明來源，成本貼近現實，跨越多種市場狀態 | 值得一讀。此時這些數字講的是策略本身，而不再是測試怎麼搭的。 |
| 在上述基礎上再加一段未被觸碰的樣本外視窗 | 這是回測單獨所能給出的最強證據：其中一部分資料，調參的人當時根本拿不到。 |
- 去問最佳化了什麼。每一個在所報告視窗上調過的參數，都從資料裡借走了一點結果。
- 先看成交筆數再看獲利。五十筆交易再漂亮，也分不清策略與運氣。
- 無法重現的回測就是一張截圖。把標註來源的那一行當成數字的一部分，而不是註腳。
mt5depot 的 EA 頁面會為每一次公開的執行寫明資料來源、日期區間與測試模型，而這 30 個商品裡只有 6 個帶著建模品質數值——那是用真實 tick 跑出來的 18 次執行中的 6 次。有一道建置檢查會去讀真正發布出去的頁面，好讓其餘 24 個無法宣稱這樣一個數字。
常見誤解
在同一段視窗上既最佳化又回報
每一個調過的參數都會吸收這段視窗的一部分雜訊，所以在用來調參的資料上做測試，測的其實是調參本身。結果註定好看，也註定無法重現。
比較兩份在不同條件下跑出來的回測
不同的點差、不同的資料源、不同的日期區間與不同的測試模型，都會在與策略無關的情況下推動這些數字。只有當兩者背後的設定一致時，兩個數字才具有可比性。
想當然地認為視窗越長越好
對當沖策略來說，在內插生成的 K 線資料上跑十年，資訊量可能還不如在真實 tick 上跑兩年，因為那次更長的執行裡從來就沒有出現過規則實際交易的那條 K 線內部路徑。
深入說明
常見問題
- 回測好看就足以買下一個 EA 嗎？
- 不足以。回測可以淘汰一個策略，也可以說明規則的行為與描述相符，但它無法證明這份優勢能在測試視窗不曾包含的狀況下繼續存在。請在旁邊尋找樣本外視窗或前推紀錄，並且在看獲利之前先讀成本模型。
- EA 的回測應該跑多長時間？
- 長到足以包含多種市場狀態，成交筆數也要多到統計能夠穩定下來：對多數策略而言，實務上是數年以及數百筆交易。單看長度並不是標準：在品質差的資料上跑很長，資訊量可能還不如在真實 tick 上跑得短一些。
- 為什麼回測結果在不同經紀商之間會不一樣？
- 因為價格歷史、點差紀錄與交易條件都不相同。把同一套規則放到兩個資料源上跑，得到明顯不同的結果，這本身就是有用的資訊：它意味著結果既取決於策略，也同樣取決於資料。