回测版本 Backtest version

Infinity Algo V3.0 回测版本 (Backtest version) 支持全面的策略测试和自动头寸管理 (automated position management)。在用真实资金交易前测试您的想法。


🎯 什么是回测 (Backtesting)?

目的与优势

回测的意义:

  • 无需真实资金进行测试

  • 验证策略逻辑

  • 理解最大回撤 (drawdown)

  • 建立交易信心

  • 学习指标 (indicator) 行为

您将学到:

  • 预期胜率 (win rate)

  • 平均盈亏 (average profit/loss)

  • 最大回撤 (maximum drawdown)

  • 最优设置 (optimal settings)

  • 所需的风险承受能力

⚠️ 重要免责声明


📊 TradingView 计划限制

您的测试能力取决于订阅计划:

计划
历史数据条数 (Historical Bars)
深度回测 (Deep Backtesting)
推荐说明

基础 (Basic) (免费)

5,000

仅限概念测试

基础版 (Essential)

10,000

基础验证

增强版 (Plus)

10,000

休闲测试

专业版 (Premium)

20,000

严肃测试的最低要求

专家版 (Expert)

25,000

专业交易者

终极版 (Ultimate)

40,000

最高能力

🚀 深度回测功能 (Deep Backtesting Feature) (仅限专业版及以上)

使用所有可用数据进行测试 (up to 2M bars),而不仅是可见图表数据:

  • 对低时间框架 (lower timeframes) 至关重要

  • 统计显著性 (statistical significance) 的必要条件

  • 提供可靠的结果

没有该功能: 仅限于图表显示的数据条数


🚀 快速开始指南

1

安装回测版本

  1. 移除标准版 Infinity Algo

  2. 从邀请专用版本中添加 "Infinity Algo V3.0 Backtest"

  3. 您将看到 "Strategy Tester" 选项卡出现

2

打开 Strategy Tester

  1. 点击底部的 "Strategy Tester"

  2. 首先查看 "Overview" 选项卡

  3. 注意测试的日期范围

  4. 验证至少进行了 30 笔交易

3

运行首次测试

初始使用默认设置:

  • 暂时不更改任何内容

  • 使用标准设置运行

  • 记录基准性能 (baseline performance)

  • 这是您的参考点

4

查看关键数据

首先关注这些指标:

  • 净利润 (Net Profit) - 是否为正数?

  • 胜率 (Win Rate) - 百分比多少?

  • 最大回撤 (Max Drawdown) - 您能承受吗?

  • 总交易数 (Total Trades) - 数据充分吗?


📈 理解 Strategy Tester

关键选项卡说明

您将看到:

  • 净利润/亏损 (Net profit/loss)

  • 总交易数 (Total trades)

  • 胜率百分比 (Win rate percentage)

  • 利润因子 (Profit factor)

  • 最大回撤 (Max drawdown)

快速解读:

  • 绿色 = 盈利

  • 30 笔以上 = 有统计意义

  • 先检查回撤


⚡ 回测 vs 实盘交易的差异

回测包括的内容

✅ 历史价格数据 (Historical price data) ✅ 您的策略逻辑 (Your strategy logic) ✅ 入场/出场信号 (Entry/exit signals) ✅ 头寸规模 (Position sizing)

回测不包括的内容

❌ 点差成本 (Spread costs) ❌ 滑点 (Slippage) ❌ 手续费 (Commission fees) ❌ 情绪决策 (Emotional decisions) ❌ 连接问题 (Connection issues) ❌ 交易所停机时间 (Exchange downtime)


🎯 后续步骤

您的学习路径

1. 学习配置 → 配置指南

  • 出场策略 (Exit strategies)

  • 头寸管理 (Position management)

  • 风险设置

2. 理解理念 → 为什么使用动态优化 (Dynamic Optimization)

  • AI vs 固定设置

  • 市场适应性

  • 常见错误

相关资源

最后更新于