简介:这是一份面向零基础读者的MQL自动化交易编程入门文档,围绕MetaTrader 4/5平台,讲解如何用MQL语言编写Expert Advisor(EA)实现自动买卖。内容从自动化交易概念切入,梳理MQL的语法特点、数据类型、变量与常量,并介绍交易函数等主要函数类别,帮助读者理解EA的编写逻辑与策略实现方式。资源为1个docx文档,压缩包约29KB,篇幅精炼,适合作为快速通读的入门笔记,便于在电脑或移动端随时查阅。文档还讨论了学习MQL对提升交易效率与准确性的意义,以及自动化交易在金融市场中的应用前景,可作为后续深入实践的起点。目前已有1349人学习,适合对外汇、期货等自动化交易感兴趣、希望从零了解MQL与EA编写思路的读者参考。
1. 从手动盯盘到 EA 托管:这份 MQL 文档能帮你省下多少试错时间
凌晨两点还盯着屏幕等一根 K 线收线,这种日子我过了大半年。后来接触到自动化交易,才意识到大部分重复劳动完全可以交给程序。这份《零基础学 MQL:基于 EA 的自动化交易编程》文档,讲的就是怎么用 MQL 把交易策略写成 EA,让程序替你盯盘、下单、止损。MQL 全称 MetaQuotes Language,是 MetaTrader 4 和 MetaTrader 5 平台内置的编程语言,语法接近 C 语言,但专门为交易场景做了大量封装。文档覆盖了从语言特性、函数库到 EA 创建流程和多 EA 组合的完整链路,适合两类人:一是完全没有编程基础但想入门自动化交易的交易员,二是有编程经验但不熟悉 MQL 交易函数体系的开发者。它不教你预测行情,教的是怎么把已有的交易逻辑翻译成机器能执行的代码。
2. MQL 语言基础:语法特性、数据类型与函数体系
2.1 语法特点与命名规范
MQL 的语法设计思路是降低交易者的编程门槛,所以它比 C++ 少了很多底层细节,但又保留了足够的表达能力。命名规则上,变量名只能用字母、数字和下划线,且必须以字母开头。这一点看起来简单,但实际写代码时很容易翻车——比如用 _ma_period 这种下划线开头的命名,编译器直接报错。
文档里提到的“模板语法”是一个容易被忽略的点。MQL 支持类似模板的结构来减少重复代码,尤其在多个 EA 共享相似逻辑时特别有用。我一般会把仓位计算、止损计算这类通用逻辑抽成独立函数,通过参数传入不同的品种和周期,避免每个 EA 都复制一遍。
// 定义一个通用的仓位计算函数
double CalcLotSize(double riskPercent, double stopLossPips, double accountBalance) {
// riskPercent: 单笔风险占总资金的比例,如 0.02 表示 2%
// stopLossPips: 止损点数
// accountBalance: 当前账户余额
double riskAmount = accountBalance * riskPercent;
double pipValue = MarketInfo(Symbol(), MODE_TICKVALUE);
if (stopLossPips <= 0 || pipValue <= 0) return 0.01; // 兜底最小手数
double lotSize = riskAmount / (stopLossPips * pipValue);
// 按平台最小手数步长取整
double minLot = MarketInfo(Symbol(), MODE_MINLOT);
double lotStep = MarketInfo(Symbol(), MODE_LOTSTEP);
lotSize = MathFloor(lotSize / lotStep) * lotStep;
return MathMax(lotSize, minLot);
}
这段代码的关键参数有三个: riskPercent 控制单笔风险敞口, stopLossPips 决定止损距离, accountBalance 提供资金基数。逻辑上先算出可承受的亏损金额,再除以每点价值得到理论手数,最后按平台的最小手数和步长做取整。注意 MODE_TICKVALUE 在不同品种上返回值不同,比如黄金和欧美的每点价值差异很大,实盘前一定要在目标品种上验证。
2.2 数据类型与变量声明
MQL 的数据类型体系比很多人想象的丰富。整型有 int 、 short 、 long ,浮点有 float 、 double ,还有 string 、 bool 、 datetime 、 color 等专用类型。文档里特别强调了 double 的精度问题——在交易计算中,价格和手数都用 double 存储,但浮点运算的累积误差可能导致止损价位差出好几个点。
// 价格比较时不要直接用 ==,要用 NormalizeDouble 处理
double entryPrice = 1.08500;
double currentPrice = Ask;
double point = Point;
// 错误做法:if (currentPrice == entryPrice)
// 正确做法:比较时考虑点差容差
if (MathAbs(currentPrice - entryPrice) < point * 0.5) {
// 认为价格已到达入场位
Print("价格触及入场位,准备下单");
}
// 手数计算后必须归一化
double lot = CalcLotSize(0.02, 30, AccountBalance());
lot = NormalizeDouble(lot, 2); // 保留两位小数,匹配平台手数精度
NormalizeDouble 这个函数在实盘 EA 里几乎无处不在。它的第二个参数是小数位数,外汇品种通常用 2 位(对应 0.01 手),但有些平台支持 0.001 手,那就得用 3 位。我见过有人回测时收益曲线很漂亮,实盘一跑就亏,排查半天发现是手数没归一化导致下单被拒,然后 EA 反复重试,最后仓位乱成一团。
2.3 交易函数与指标计算函数
文档把函数分成了四大类:交易函数、价格处理函数、指标计算函数、订单处理函数。这个分类方式很实用,因为写 EA 的时候基本就是按这个顺序来组织代码的——先取价格,再算指标,然后判断信号,最后执行交易。
指标计算函数里, CalculateSMA 、 CalculateEMA 、 CalculateMACD 、 CalculateRSI 这几个是最常用的。但要注意,文档里列出的函数签名是教学用的简化版本,实际 MT4 的 MQL4 里并没有这些现成函数,你需要自己用 iMA 、 iMACD 、 iRSI 这些内置函数来获取指标值。
// 用 iMA 获取均线值,而不是自己写 SMA 计算
double maFast = iMA(Symbol(), PERIOD_H1, 10, 0, MODE_EMA, PRICE_CLOSE, 1);
double maSlow = iMA(Symbol(), PERIOD_H1, 30, 0, MODE_EMA, PRICE_CLOSE, 1);
// 金叉判断:快线上穿慢线
bool goldenCross = (maFast > maSlow) &&
(iMA(Symbol(), PERIOD_H1, 10, 0, MODE_EMA, PRICE_CLOSE, 2) <=
iMA(Symbol(), PERIOD_H1, 30, 0, MODE_EMA, PRICE_CLOSE, 2));
if (goldenCross) {
// 执行买入逻辑
int ticket = OrderSend(Symbol(), OP_BUY, lot, Ask, 3,
Ask - stopLoss * Point,
Ask + takeProfit * Point,
"EMA_Cross_EA", 12345, 0, clrGreen);
if (ticket < 0) {
Print("下单失败,错误码:", GetLastError());
}
}
iMA 的最后一个参数是 shift,0 表示当前 K 线,1 表示上一根已收盘 K 线。很多新手在这里踩坑——用 shift=0 的值做信号判断,结果 K 线还没收盘,信号反复闪烁,EA 频繁开平仓。血泪经验是:所有信号判断都用 shift=1 或更大的值,确保用的是已确认的 K 线数据。
3. EA 创建全流程:从策略定义到实盘部署
3.1 策略定义与代码结构
写 EA 的第一步不是打开编辑器,而是把交易规则用自然语言写清楚。文档里提到的“定义交易类型、设置止损价位、生成预期收益率曲线”这个顺序是对的,但实际操作中我会把“预期收益率曲线”放到回测阶段再考虑,前期先把入场条件、出场条件、仓位规则、止损止盈规则这四件事定下来。
一个 EA 的代码骨架通常包含这几个部分: OnInit() 做初始化, OnTick() 处理每个价格变动, OnDeinit() 做清理。MQL4 里还有 start() 函数,但新版本都推荐用 OnTick() 。
// EA 全局参数
extern double RiskPercent = 2.0; // 单笔风险百分比
extern int StopLossPips = 30; // 止损点数
extern int TakeProfitPips = 60; // 止盈点数
extern int MagicNumber = 20250101; // EA 标识号,多 EA 共存时必须唯一
// 初始化
int OnInit() {
if (RiskPercent <= 0 || RiskPercent > 10) {
Alert("风险参数不合理,请检查输入");
return INIT_PARAMETERS_INCORRECT;
}
return INIT_SUCCEEDED;
}
// 每个 tick 执行
void OnTick() {
// 1. 检查是否已有持仓
if (CountOpenOrders(MagicNumber) > 0) return;
// 2. 获取指标值
double maFast = iMA(Symbol(), 0, 10, 0, MODE_EMA, PRICE_CLOSE, 1);
double maSlow = iMA(Symbol(), 0, 30, 0, MODE_EMA, PRICE_CLOSE, 1);
// 3. 判断信号并下单
if (maFast > maSlow) {
double lot = CalcLotSize(RiskPercent / 100.0, StopLossPips, AccountBalance());
lot = NormalizeDouble(lot, 2);
int ticket = OrderSend(Symbol(), OP_BUY, lot, Ask, 3,
Ask - StopLossPips * Point,
Ask + TakeProfitPips * Point,
"EMA_EA", MagicNumber, 0, clrBlue);
if (ticket < 0) Print("开仓失败:", GetLastError());
}
}
MagicNumber 这个参数在多 EA 组合时是刚需。它的作用是给每个 EA 的订单打上唯一标识,这样 EA 在管理订单时只操作自己发的单,不会误碰其他 EA 的仓位。我见过有人两个 EA 用同一个 MagicNumber,结果一个 EA 平仓时把另一个 EA 的单也平了,直接翻车。
3.2 回测与参数优化
EA 写完不能直接上实盘,必须经过回测。MT4 的策略测试器支持用历史数据模拟运行 EA,输出收益曲线、最大回撤、胜率等指标。但回测有几个参数设置直接影响结果可信度:
| 参数 | 推荐设置 | 说明 |
|---|---|---|
| 模型 | 每 tick | 比“仅开盘价”更接近实盘,但速度慢 |
| 点差 | 当前点差或固定值 | 固定点差便于对比不同策略 |
| 复盘精度 | 99% 以上 | 数据质量差会导致回测结果失真 |
| 初始资金 | 与实盘一致 | 资金量影响仓位计算和回撤比例 |
参数优化的坑在于“过度拟合”。比如你用 2015-2020 年的数据优化出一组参数,回测收益曲线完美,但 2021 年一跑就亏。常见做法是留出一段样本外数据做验证——用 2015-2018 优化,用 2019-2020 验证,如果样本外表现和样本内差距太大,说明参数过拟合了。
3.3 多 EA 组合的配置方法
文档里把多 EA 组合分成了互补性、优化性、稳健性三类,这个分类很清晰。实际操作中,我一般从互补性入手——比如一个趋势跟踪 EA 配一个震荡回归 EA,两者在不同市场状态下各有表现。
配置多 EA 时,权重分配是个技术活。简单做法是等权重,但更合理的方式是按策略的历史波动率倒数来分配。比如趋势 EA 年化波动 20%,震荡 EA 年化波动 10%,那震荡 EA 的权重可以是趋势 EA 的两倍,这样组合后的波动率更均衡。
// 多 EA 权重配置示例(在独立的管理 EA 中实现)
double trendWeight = 0.4; // 趋势策略权重
double rangeWeight = 0.6; // 震荡策略权重
// 根据市场状态动态调整
double atr = iATR(Symbol(), PERIOD_H1, 14, 1);
double atrMa = iMAOnArray(/* ATR 均值计算 */);
if (atr > atrMa * 1.5) {
// 高波动状态,趋势策略权重上调
trendWeight = 0.7;
rangeWeight = 0.3;
} else {
trendWeight = 0.3;
rangeWeight = 0.7;
}
统一数据源这一点文档强调得很对。如果趋势 EA 用 H1 数据,震荡 EA 用 M15 数据,两者对同一时刻的市场判断可能完全相反,组合后反而互相抵消。我一般要求所有 EA 至少在同一时间框架上做信号判断,差异只体现在指标参数和逻辑上。
4. 避坑与排查:EA 实盘常见的五个翻车场景
4.1 回测赚钱实盘亏钱
现象 :回测年化收益 50%,实盘跑一周亏了 8%。
原因 :最常见的是回测时用了“仅开盘价”模型,忽略了 tick 级别的价格波动。实盘中价格在 K 线内部来回扫,止损被触发后价格又回去了,但仓位已经没了。另一个原因是回测时点差设得太小,实盘点差扩大直接吃掉利润。
解决 :回测必须用“每 tick”模型,点差用近一个月的平均值而不是最小值。如果策略对点差敏感,考虑只在低点差时段运行。
4.2 订单被拒但找不到原因
现象 : OrderSend 返回 -1,EA 反复重试,日志里只有错误码。
原因 :错误码 130 表示止损止盈太近,131 表示手数不合法,134 表示资金不足。很多人只看返回值为负就慌了,没去查 GetLastError() 的具体数值。
解决 :在 OrderSend 失败后立即打印错误码和关键参数。止损止盈距离要大于平台的最小止损距离( MODE_STOPLEVEL ),手数要归一化到平台允许的步长。
4.3 多 EA 互相干扰
现象 :两个 EA 同时运行,一个 EA 平仓后另一个 EA 的仓位也消失了。
原因 :MagicNumber 重复,或者 EA 在遍历订单时没有按 MagicNumber 过滤。
解决 :每个 EA 分配唯一的 MagicNumber,订单遍历函数里强制检查 OrderMagicNumber() == MagicNumber 。
4.4 指标值闪烁导致频繁交易
现象 :EA 在短时间内开了十几单,方向还来回变。
原因 :用了 shift=0 的指标值做信号判断,当前 K 线未收盘时指标值随价格跳动,信号反复触发。
解决 :所有信号判断统一用 shift=1 或更大值,确保基于已收盘 K 线。如果策略需要更快响应,可以加一个“信号确认次数”的过滤条件。
4.5 参数优化后的“完美曲线”失效
现象 :优化出一组参数,回测三年收益曲线几乎直线向上,实盘一个月就回撤 20%。
原因 :过度拟合。优化时用了太多参数,每个参数都在拟合历史噪声,而不是捕捉真实的市场规律。
解决 :控制优化参数数量,一般不超过 3 个。用样本外数据验证,如果样本外表现明显差于样本内,直接放弃这组参数。另外,优化目标不要只看净利润,要综合考量最大回撤、盈亏比、交易频率。
5. 进阶技巧:用 Walk-Forward 验证替代一次性回测
一次性回测最大的问题是“用过去的数据证明未来的表现”,这在逻辑上就不成立。我后来养成一个习惯:任何 EA 上线前,必须走一遍 Walk-Forward 验证。
具体做法是把历史数据切成多段,比如 2018-2019 优化参数,2020 验证;然后 2019-2020 优化,2021 验证;以此类推。每一段都记录样本内和样本外的表现差异。如果某组参数在多个验证段都稳定,那可信度就高很多。
// Walk-Forward 验证的伪代码框架
// 在策略测试器的优化模式下,用自定义标准来评估
double OnTester() {
double profit = TesterStatistics(STAT_PROFIT);
double drawdown = TesterStatistics(STAT_EQUITY_DDREL_PERCENT);
double trades = TesterStatistics(STAT_TRADES);
// 过滤条件:交易次数太少或回撤太大直接淘汰
if (trades < 50 || drawdown > 20) return 0;
// 综合评分:收益回撤比
double score = profit / (drawdown + 1);
return score;
}
这个 OnTester 函数在 MT4 的策略测试器里会被自动调用,返回值作为优化排名的依据。我一般会把交易次数和回撤作为硬性过滤条件,不满足的直接给 0 分,避免优化器选出“交易 3 次赚 100%”这种不可复现的参数。
另一个实用技巧是给 EA 加一个“交易时段过滤”。很多策略在亚洲盘流动性低的时段表现很差,加一个时间判断就能过滤掉这些垃圾信号。
// 只在伦敦和纽约重叠时段交易(北京时间 20:00-24:00)
bool IsTradeTime() {
int hour = TimeHour(TimeCurrent());
if (hour >= 20 && hour <= 23) return true;
return false;
}
这个函数放在 OnTick() 开头,不满足时段直接 return,能省掉大量无效计算和无效交易。
从那以后我每次部署新 EA,都强制走一遍 Walk-Forward 加时段过滤,哪怕回测曲线再漂亮也不跳过。希望帮到你。
2357



被折叠的 条评论
为什么被折叠?



