作者或公众认为有许多能够盈利的交易技术。 我不会在本文中研究这些技术，因为有各种广泛资源提供关于它们的大量信息。 关于这些方法，我无法提供任何新奇或有趣的东西。 取而代之，我决定撰写本文，作为若干种实用和非标准技术的集合，这些技术在理论上和实践中都很实用。 其中的某些技术您可能很熟悉。 我将尝试覆盖最有趣的方法，并解释为什么它们值得使用。 此外，我将展示这些技术在实战中的适用性。

部分持仓平仓算法，利用最后一根柱线的走势

理论：

当我们开仓，却不能确定价格会往哪个方向移动时，这种方式也许能作为一种实用的交易技术。 智能部分平仓可以弥补点差带来的亏损，甚至可在优化后产生盈利。

我们从下面开始。 假设我们已入场开仓，但不知道在何处离场。 我们从哪个方向入场都没有关系。 无论如何，我们都会在某个时候不得不平仓。 当然，有些玩家可以持有自己的仓位多年。 不过，我们假设机器人应进行密集交易，并提供高频交易。 持仓可以一次性全部离场，或分几个步骤离场，每次部分平仓。 我们知道市场均有横盘结构，这意味着价格趋于返回到当前波浪开始时的一半位置。 换言之，上行走势意味着持续的概率总是小于 50％。 相应地，逆向走势的概率大于 50％。 如果我们整体平仓，我们可能会错过所有波浪，并错失盈利，因为我们不知道未来的波浪幅度。 而部分平仓此刻会有所帮助。 我们能够获得最大的利润，事实上是基于我们不了解未来波浪的性质。

现在我们知道了什么是波浪，并且它们永远不会从市场上消失；我们可以从平仓原则开始，就是说即使入场出错，也应该至少产生一定的利润。 实际上存在这样的机制。

可以有很多种这样的算法，但我只展示其中一种，就是我认为最有效的。 它采用这样的假设，即先前形成的完整烛条走势越大越强，则走势回滚的可能性就越大。 一般来说，此机制的目的是什么？ 这很简单。 目的是在减少亏损的同时增加盈利。 脉动实际上也是波浪。 但是这些波浪比通常的经典波浪更有用。 事实是，最接近市场的波浪更为可靠。 脉动越强，持续时间越短，在不久的将来发生回滚的概率越大，且回滚的预期幅度也会越大。 思路是布局该机制，从而当脉动增强时，部分平仓也会更强。 我将在图中展示这一点：

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

可以利用任何函数来计算需部分平仓的交易量。 我将展示其中的两个。 一个是线性的，第二个是幂：

• { D } - 幂

• { X } - 前一根柱线走势的点数

• { C } - 比例因子

• { Lc(X) = C * Pow(X , D) } - 一个幂函数，计算在当前烛条处需平仓的手数

• { Lc(X) = C * X } - 一个线性函数，计算在当前烛条处需平仓的手数

如果您深入观察，线性函数只是幂函数 D = 1 时的特例，如此我们可以省略它，因为它只是初始思考逻辑的一个示例。 思考开始时总是很简单，但经过深思熟虑之后，我们得到了更多的通用工具。 只是您必须从简单的事情开始。

为了避免直接指定这些系数，然后总担心它们的影响，我们将引入若干个控制参数，可确定这些系数：

• { StartLotsToOnePoint } - 当 X = 1 (输入参数) 时，依据该值平仓

• { PointsForEndLots } - 前一根烛条走势指向盈利方向，则最后持仓平仓速度（输入参数）

• { EndLotsToOnePoint } - 当 X = PointsForEndLots （输入参数）时，依据该值平仓

现在，我们合成一个方程式系统，来计算系数，并得到依据输入参数表达的函数最终形式。 为此目的，应把思路转换为数学表达式：

1. { Lc( 1 ) = StartLotsToOnePoint }

2. { Lc( PointsForEndLots ) = EndLotsToOnePoint }

如此，我们所有的方程式均已准备就绪。 现在，我们将以扩展形式编写它们，并逐步转换它们来开始求解方程式：

1. { C * Pow(1 , D) = StartLotsToOnePoint }

2. { C * Pow( PointsForEndLots , D) = EndLotsToOnePoint }

在第一个方程式中，给定任意角度等于自身时为 1，我们就可以立即找到 C：</ s2> </ s0>

• { C = StartLotsToOnePoint }

将第二个方程式的两边均除以 “C”，然后找到方程式两边以“PointsForEndLots” 为底数的对数，我们会得到以下结果：

• { log( PointsForEndLots ) [ Pow( PointsForEndLots , D)] = log( PointsForEndLots ) [ EndLotsToOnePoint / C ] }

考虑到该对数，其底数是相同对数乘以任何幂，我们可以针对所需幂求解方程：

• { D = log( PointsForEndLots ) [ EndLotsToOnePoint / C ] }

我们已发现了第二个未知系数。 但这还不是全部，因为 MQL4 和 MQL5 尚未实现所需任意底数对数的基本函数，而仅有自然算法。 因此，我们需要用自然对数替换对数底数（自然算法是由欧拉数字表达的底数对数）。 语言中缺乏其他对数并无问题，因为任何对数都可以用自然对数来表达。 对于任何稍有了解数学知识的人来说，这是很容易的。 改变了底数之后，我们期望的系数公式如下所示：

• { D = ln( EndLotsToOnePoint / C ) / ln( PointsForEndLots ) }

替换已知的系数 C，得到：

• { D = ln( EndLotsToOnePoint / StartLotsToOnePoint ) / ln( PointsForEndLots ) }

现在，替换函数模板里的两个系数，从而获得最终形式：

• { Lc(X) = StartLotsToOnePoint * Pow( X , ln( EndLotsToOnePoint / StartLotsToOnePoint ) / ln( PointsForEndLots ) ) }

此函数的优点是，角度可以等于 1，也可以大于 1，也可以小于 1。 因此，为了针对任何市场和交易金融产品进行调整，它提供了最大的灵活性。 如果 D = 1，我们得到了一个线性函数。 如果 D > 1，之后调整函数假设：所有波浪均有尺度，且一定振幅的波浪数与振幅成反比（即，如果我们同时计算 M5 和 H1 上的波浪数，那么在相同周期里，H1 上的波浪数减少了 12 倍，这仅仅是因为每小时的烛条数量比 5 分钟的烛条少了 12 倍）。 如果 D < 1，我们期望更高振幅的波浪。 如果 D > 1，我们假设主要是低振幅波浪。

另请注意，您不必采用离散价格序列作为柱线序列 - 您可用即时报价，和任意其它首选的价格区段。 我们在此采用柱线仅仅是因为我们已拥有柱线。

代码:

在代码中，该函数如下所示：

double CalcCloseLots(double orderlots0,double X) { double functionvalue; double correctedlots; if ( X < 0.0 ) return 0.0; functionvalue=StartLotsToOnePoint*MathPow(X ,MathLog(EndLotsToOnePoint/StartLotsToOnePoint)/MathLog(PointsForEndLots)); correctedlots=GetLotAniError(functionvalue); if ( correctedlots > orderlots0 ) return orderlots0; else return correctedlots; }

调整手数的函数，确保手数仅采用正确的数值，以紫色高亮显示（没必要展示其内部代码）。 该函数本身是在绿色高亮显示的运算符下计算的，但它只是更通用函数的一部分，在此处称为：

void PartialCloseType()// close order partially { bool ord; double ValidLot; MqlTick TickS; SymbolInfoTick(_Symbol,TickS); for ( int i=0; i<OrdersTotal(); i++ ) { ord=OrderSelect( i, SELECT_BY_POS, MODE_TRADES ); if ( ord && OrderMagicNumber() == MagicF && OrderSymbol() == _Symbol ) { if ( OrderType() == OP_BUY ) { ValidLot=CalcCloseLots(OrderLots(),(Open[0]-Open[1])/_Point); if ( ValidLot > 0.0 ) ord=OrderClose(OrderTicket(),ValidLot,TickS.bid,MathAbs(SlippageMaxClose),Green); } if ( OrderType() == OP_SELL ) { ValidLot=CalcCloseLots(OrderLots(),(Open[1]-Open[0])/_Point); if ( ValidLot > 0.0 ) ord=OrderClose(OrderTicket(),ValidLot,TickS.ask,MathAbs(SlippageMaxClose),Red); } break; } }

可用 MQL5 编译此代码，因为我们利用了 MT4Orders 函数库。 请注意，这些函数适用于测试。 为了实盘交易，您需要仔细研究并精调它们，同时注意错误和未考虑到的情况。 无论如何，当前版本很适合在策略测试器中进行测试。

测试智能交易系统：

为了演示其操作原理，我为 MetaTrader 4 创建了一个 EA 版本，因为在 MetaTrader 5 中进行测试时，点差可能会掩盖我们想要看到的所有内容。 取而代之的是，我将点差设置为 1，并选择了随机方向开仓：

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

对于其他货币对，它也能以几乎相同的方式操作。 它也能够在较高的时间帧上工作，但这需要一点耐心，因为需要寻找相应的设置。 不过，测试并不意味着您可以立即在真实帐户中启用该 EA。 它仅是确认该技术在正确运用时会很有用。 无论如何，在盈利这个方面，即使对于这个 EA 来说，也是非常不足的。 但是，结合良好的信号和相应的方法，该方法能够赚取利润。

混合手数变化算法

自最开始市场研究，我就想知道如何将任何系统的利润因子向正方平移。 这意味着，任何不依赖点差的策略，比之其它盈利因子接近一的策略都会获得巨大优势。 为什么确切地需要提高盈利因子？ 答案很简单：因为整个系统的回撤，和系统的盈利能力都取决于此变量。 这种技术是存在的，我将向您展示。 但是首先，我们快速遍历一下最著名的那些交易技术，也许利用了很多手法。 以下有许多所谓能提高盈利因子的技术：

• 马丁格尔

• 逆马丁格尔

实际上，沸沸腾腾的观点都归结为两种经常被讨论的方法，但除了失望之外难以带来任何益处。 所有的一切都与一个非常简单的数学原理相关，我在网格和马丁格尔：它们是什么以及如何利用它们？一文中曾讲述过。它并非讲述原理本身，而是所有原理中的共通点。 常见的情况是根据某些条件增减手数。 如果条件与价格形成的性质无关，那么这种系统无疑是难以盈利的。

任何利用手数变化的策略，都有底层的信号。 我们可通过所有订单手数相同来获得它。 这将帮助我们了解底层信号是否与价格形成的性质相关。 在大多数情况下，这样的信号所产生的数学期望为零。 但信号中有一个参数可令我们同时使用正向和逆向马丁格尔。 所需条件是存在大量的低振幅波浪。 如果您能正确运用正向和逆向马丁格尔的组合，则可将它们转变为混合机制，从而把数学期望从零值变为正值。 下图示意了它的外观：

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

理论：

在此，我们假设有一条特定的初始余额线，在不考虑点差和佣金的情况下，它会始终在初始起始水平附近徘徊，直到有一天您决定停止交易，则最终余额相对于起始水平或正或负，或直到系统慢慢亏损殆尽，资金都浪费在被点差、佣金和隔夜利息。 这意味着任意交易的任何余额线都有几分类似波浪过程，围绕初始余额波动。

有基于此，我们可将整个余额线分为上升和下降区域（该图示意了一个完整波浪的四分之一）。 如果波浪四分之一在增长，则应减少手数（逆马丁格尔）； 如果波浪正在下降，则应该增加手数（ 马丁格尔）。 无限增加手数的唯一障碍在于任何帐户的最大允许持仓量。 故，即使出现这种情况，保证金也不允许我们开立超额仓位。 因此，手数显然应该在一定的数值走廊内波动，且不应超出其范围。 因此，重要的是波浪的幅度不应太大，最好是较小和不太大的波浪。 如果您仔细查看该示意图和下面的手数变化遮盖面，您将了解到，利用混合变化，与发生波动相对应的线如何获得向上的斜率，这等效于一个正值的数学期望，和盈利因子。

在此情况下如何计算手数？ 乍一看，情况似乎并不明朗。 显然，手数可以触及我们的通道边界之一，且永远不会超出。 在这种情况下，我们必须提供一种机制返回到起始手数，以便在平均手数值附近获得稳定波动。 这种系统的明显且唯一的缺点是无法承受大幅波浪。 在低幅走势下，该机制会表现完美。 这个问题可通过一个函数来解决，该函数以这样一种方式来计算下一次的手数，即函数自行将手数推向中间值，若越靠近前一笔平仓订单的手数边界之一，则强烈推荐。 我将在下图中进行演示：

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）