有的能，大多數不能，而能賺錢的那些往往也只是小賺。我們把 AIStrategyMiner Strategy Builder 範本庫裡 53 個經過實測的智慧交易系統設計放進同一套 MT5 測試。11 個的獲利因子達到或高於 1.00，42 個低於 1.00，中位數是 0.92。 只有 1 個設計達到 Strategy Builder 判定合格所用的門檻。獲利能力屬於某一條規則、在某個市場、某段期間裡、扣除成本之後的結果。它不是「EA」這類東西與生俱來的屬性。
但這取決於：
- 規則，而不是標籤。 53 個設計中有 29 個落在 0.90 到 0.99 之間。它們會交易，幾乎打平，然後慢慢虧損。
- 你衡量的區間。 整組最好的設計在測試年度裡得到 1.23。在另一次 H1 重測中，同樣的預設設定在 2018–21 年只有 0.99。
- 設定是怎麼選出來的。 8 次有記錄的參數搜尋把樣本內獲利因子推到最高 1.37，但沒有一次找到能在未參與配適的區間上站得住的設定。
- 為這個結果承擔的風險。 整組裡最大的淨利 +304.23 來自一個網格籃子，而它為此經歷了 -7.92% 的回撤。
- 回測與實單。 這裡每一個數字都是策略測試器的執行結果，沒有一個來自真實帳戶。
以上每一點都會在下文以我們自己的資料來檢驗。
資料說明了什麼：53 個 EA 設計，同一套 MT5 測試
Strategy Builder 附帶 87 個入門範本，其中 53 個帶有實測回測。這 53 個全部只跑了一次，商品、週期、期間、模型與入金完全相同。這一點比聽起來更重要。大多數公開的 EA 比較混雜了不同的經紀商、期間與帳戶規模，所以它們之間的差異多半只是測試之間的差異。在這裡，唯一的變數是規則本身。我們如何執行與標示這些測試，寫在我們的測試方法裡。
| 預設設定下的獲利因子 | 設計數 |
|---|---|
| 低於 0.80 | 6 |
| 0.80 到 0.89 | 7 |
| 0.90 到 0.99 | 29 |
| 1.00 到 1.09 | 9 |
| 1.10 到 1.19 | 1 |
| 1.20 以上 | 1 |
| 測試條件 | |
|---|---|
| 實驗編號 | EXP-TEMPLATE-PROFITABILITY-001 |
| 上層實驗 | EXP-BUILDER-TEMPLATE-BASELINE-001 |
| MT5 版本 | 範本清單中未記錄 |
| 環境 | MetaTrader 5 策略測試器，Exness MT5，2026-06-18 測得 |
| 商品 / 時間週期 | USDJPYm M5 |
| 期間 | 2025-06-01 – 2026-06-09 |
| 模型 | M1 OHLC（Model=1） |
| 入金 | 10,000 |
| 最近驗證 | 2026-09-27 |
這個分布的形狀就是第一個發現。虧錢的 EA 通常並不驚天動地。53 個裡有 29 個落在 0.90 到 0.99 之間，而 53 個設計的回撤中位數只有 -1.33%。一條沒有優勢的規則不會爆倉；它在每筆交易上付出一點點，然後緩緩下滑。這就是為什麼一支虧錢的 EA 可以跑上好幾個月，才有人認定它在虧錢。
表格的頂端很短，值得仔細讀：
| 設計 | 模組數 | 交易數 | 獲利因子 | 最大回撤 | 10,000 上的淨結果 |
|---|---|---|---|---|---|
pending_breakout | 9 | 164 | 1.23 | -0.21% | +38.47 |
ma_distance_pullback | 6 | 159 | 1.10 | -0.26% | +25.55 |
mtf_sar_bb_break | 21 | 20 | 1.08 | -0.10% | +3.27 |
basket_avg_tp_grid | 7 | 8,765 | 1.03 | -7.92% | +304.23 |
dualpair_rsi_basket | 13 | 12,953 | 0.87 | -36.38% | -3,433.95 |
最好的設計一年在 10,000 上賺了 +38.47，不到 0.4%。第三名只建立在 20 筆交易上，那是傳聞而不是結果。網格籃子賺得最多，卻需要一段比它的獲利還大的回撤才能做到。最差的設計在同樣的測試裡虧掉了帳戶的三分之一。「獲利」一詞涵蓋了前四列，而它們根本不是同一類結果。
在這張表有任何意義之前，有兩條限制壓在它上面。這是一個商品、一個週期、一年——足以說明一個設計在預設設定下還沒完成，卻不足以替策略做一般性排名。而且 M1 OHLC 模型會對每根 K 線內部的路徑做內插，所以絕對數值帶著一般的成交價格保留意見（建模品質說明了原因）。
比較：賺錢的 EA 設計與其他設計差在哪裡
如果獲利很少見，那麼有用的問題就是：賺錢的那些有什麼共同點。我們依人們通常歸功的幾個特徵，把同樣的 53 筆記錄重新分組。
| 分組 | 設計數 | 獲利因子中位數 | 達到或高於 1.00 | 回撤中位數 |
|---|---|---|---|---|
| 單一策略，4–8 個模組 | 14 | 0.945 | 4 | -1.025% |
| 單一策略，9–12 個模組 | 18 | 0.93 | 3 | -1.165% |
| 單一策略，13 個以上模組 | 12 | 0.94 | 4 | -1.035% |
| 多條規則組成的組合 | 9 | 0.91 | 0 | -3.51% |
| 回撤超過 5% 的任何設計 | 8 | — | 1 | — |
複雜並沒有幫上忙。 三個規模分組之間的差距在 0.015 以內，而整組最好的設計用了九個模組。替規則加上過濾條件，改變的是它接哪些單。就這份證據而言，它並不改變這條規則有沒有優勢。
把規則合在一起反而更差。 全部九個組合範本都落在 0.89 到 0.95 之間，沒有一個達到或高於 1.00。它們的回撤中位數為 -3.51%，單一規則為 -1.065%。幾條讀取同一價格的規則往往意見一致，也一起虧錢。分散能把正期望值攤開，卻不能憑空創造正期望值。
部位與槓桿放大的是結果，而不是優勢。 有八個設計的回撤超過 5%。其中之一，也就是網格籃子，以 1.03 收在 1.00 之上。其餘的包括整組最差的兩個結果，都在 -36% 附近。網格交易或加槓桿的手數規則不會把弱訊號變成強訊號。它只會把每筆交易的小虧損變成大虧損，或者把虧損往後推。
「推薦」說的是接線方式。 範本庫把 53 個實測設計中的 40 個標為推薦，而這 40 個裡有 10 個達到或高於 1.00。這個標記說明該流程是其模式的一個乾淨範例，它從來不是關於獲利的說法。
在一個區間裡獲利，與在三個區間裡都獲利
最重要的比較不在設計之間，而在區間之間，其中八個範本帶有一次有記錄的參數搜尋，能直接說明這一點。每次搜尋都在 H1 上調整停損與停利，最多涵蓋三個區間——用來配適的期間、它之後的保留區間，以及一個更早的區間——並記錄它保留下來的數字。儲存格為空，表示該記錄沒有這個數字。
| 設計 | 預設獲利因子 | 樣本內最佳 | 保留區間 | 更早區間 | 結論 |
|---|---|---|---|---|---|
ichimoku | 1.03 | 1.37 | 0.89 | 0.80 | no_robust_edge |
ma_crossover（H1） | 0.95 | 1.23 | — | 0.98 | no_robust_edge |
cci_level | 0.95 | 1.07 | 1.05 | 0.92 | no_robust_edge |
adx_trend | 0.96 | 1.04 | 0.91 | 0.80 | no_robust_edge |
breakout | 1.05 | 1.04 | 0.79–0.89 | 0.64–0.84 | no_robust_edge |
rsi_reversal | 0.94 | 0.91 | — | — | no_robust_edge |
bb_bounce | 0.97 | 0.91 | — | — | no_robust_edge |
macd_signal | 0.93 | — | 1.14–1.15 | 0.74–0.77 | no_robust_edge |
樣本內數字最大的那一個跌得最遠：ichimoku 的 1.37 變成了 0.89 和 0.80。macd_signal 在保留區間上達到 1.14–1.15，在更早區間上只有 0.74–0.77。有兩個設計即使在用來配適的資料上也從未超過 1.0。這就是過度配適最普通、也最出於好意的形態：在一個區間裡配適得最好的設定，正是吸收了那個區間最多雜訊的設定。
唯一擁有乾淨三區間記錄的設計，就是上表裡最好的那一個。它的 1.23 來自 M5 測試。之後 pending_breakout 又在 USDJPY H1 上、以固定點差 20 單獨重測了 2018–21、2022–24 與 2025–26 三個期間：
- 預設設定（SL 40 / TP 80 點），也就是在 M5 測試中得到 1.23 的那一個，在 H1 重測的 2018–21 年只有 0.99。
- 樣本內最佳（SL 50 / TP 120）達到 1.31，在 2018–21 年跌到 0.98。
- 有兩個設定在三個區間裡都維持在 1.00 以上：SL 30 / TP 120 為 1.12 / 1.16 / 1.14，SL 30 / TP 80 為 1.09 / 1.15 / 1.10。它們是比較平淡的那兩個。記錄註明這是 USDJPY 特有的結果：在 EURJPY 與 GBPJPY 上的交叉測試在樣本內就是虧損的。
所以，在一次 53 個設計的測試裡看起來最賺錢的 EA，在一次測試中越過了門檻，在更早的區間上卻停在 0.99。它穩健的版本賺得更少。這不是令人失望的結果；一個真實而微小的優勢，被誠實檢驗時本來就是這個樣子。
在相信一個獲利因子之前該看什麼
有四項檢查，能把一個有意義的數字和一個只是好看的數字區分開來。無論是你自己做的 EA，還是別人拿給你看的 EA，都適用。
1. 比值背後的交易筆數。 建立在 20 筆交易上的獲利因子，只是帶小數點的雜訊。Strategy Builder 的 Measure 面板不會把少於 60 筆交易的結果判為合格，而一年 164 筆交易也仍然偏少。每一次都先看筆數，再看比值。
2. 一個設定從未見過的區間。 要求看同一條規則在更早期間、或在配適區間之後的保留區間上的結果。在我們的八次搜尋裡，沒有任何設定在所有測試區間上都維持在 1.00 以上，還有兩個即使在配適所用的資料上也從未超過 1.00。如果只有一個區間，你看到的是一次配適，而不是一項發現。前推分析就是這項檢查的系統化版本。
3. 為淨結果付出的回撤。 把最大回撤和淨結果放在一起看。網格籃子的 +304.23 伴隨著 -7.92% 的回撤，也就是說，帳戶曾經沉到的深度，比它最終獲利的幅度還大。這可以是一筆理性的交換，但它應該是你主動選擇的。
4. 超出成本的餘裕。 獲利因子 1.03 代表毛利比毛損大 3%。任何在虧損一側增加約 3% 的東西——比測試器更寬的點差、手續費、關鍵進場上的滑價——都會把它抹平。高出 1.00 的餘裕越薄，結果就越依賴你的經紀商與測試條件一致。
實際運行一支 EA
日常運行大部分並不是干預，而是事先決定什麼情況會讓你停手，並確認 EA 的表現仍然與它的記錄相符。
- 先在你自己的經紀商上重跑。 開啟策略測試器（
Ctrl+R），選擇 EA，用你的經紀商的歷史資料，在你要交易的商品與週期上測試。某家經紀商 USDJPY M5 上的記錄，對另一家的 EURUSD H1 什麼也說明不了。 - 比較時要對齊模型。 上面的記錄使用 M1 OHLC。改用
Every tick based on real ticks重跑會改變成交，所以「不一樣」的結果可能只是另一次測試，而不是另一支 EA。 - 先模擬，再投錢。 在模擬帳戶上運行夠久，直到看見一段虧損期。你需要的數字不是報酬率，而是當回撤走到你測過的最深處時，你是否還會讓它繼續跑。
- 看對分頁。 工具箱（Toolbox）的 Experts 分頁記錄 EA 自己的日誌；Journal 分頁記錄終端的執行記錄。一支「不交易」的 EA，原因多半是某個開關，而不是策略。Algo Trading 必須在兩個地方開啟：工具列按鈕，以及
Tools > Options > Expert Advisors > Allow Algo Trading。 - Strategy Builder 產生的 EA 需要多一步設定。 在 Strategy Builder 中編譯的
.ex5啟動時會向https://aistrategyminer.com進行確認。請把這個網址加到Tools > Options > Expert Advisors > Allow WebRequest for listed URL底下，否則 EA 會以aistrategyminer.com authorization failed - EA disabled停止。策略測試器會略過這項確認。 - 拿記錄來比，而不是拿零來比。 一支下跌 1% 的 EA，如果它的記錄裡有 5% 的回撤，那就是正常表現。一支交易頻率是記錄三倍、或者沉得比記錄中任何時候都深的 EA，正在告訴你一件規則本身無法察覺的事。
風險與回撤的現實
有三條限制應該和這些數字放在一起。
過去的結果不會延續到未來。 獲利因子描述的是一段已經發生過的時間。pending_breakout 的記錄就是這裡最清楚的例子：同樣的規則與設定，在 M5 測試中得到 1.23，在 H1 重測的更早區間上是 0.99。
篩選決定了你看到什麼。 一個只列出賺錢 EA 的頁面，給你看的是通過了某道篩選的倖存者，而那道篩選恰恰是你看不到的部分。上面這 53 個設計沒有依結果篩選，所以你能看到虧錢的那 42 個。向任何來源追問：為了找到它給你看的那些，它一共測試了多少個設計。
小優勢仍然是優勢——也仍然很小。 我們資料中最穩健的設定，獲利因子在 1.09 到 1.16 之間。這是真實的結果，也是單薄的結果，很容易被你沒有納入模型的成本吃掉。任何結果都沒有保證，虧損是本頁每一筆記錄的組成部分。
下一步
接下來：
- 想看一個人和一套規則在虧損期裡如何比較，請讀 EA 與手動交易。
- 想把回撤換算成入金額與手數，請讀 EA 風險管理。
- 從一個想法到編譯好的
.ex5的完整路徑，請看不用寫程式做出 MT5 EA。 - 在搜尋任何設定之前，請先讀 MT5 參數最佳化，那裡詳細講解了上面的八次搜尋。
- 如果 EA 來自別處，MT5 免費 EA 怎麼用介紹了應該先做的檢查。
