解析多数EA策略为何难以稳定盈利的原因
上回说到市面上大部分EA亏钱的原因，主要是从使用者的角度来寻找问题根源。
不过，EA本身就没有问题吗？其实问题也不少。
我们先来理解一下EA的概念，EA是Expert Advisor的简称，DLSM官网中文意思是“专家顾问”，常被意译为“智能交易”或“程序化交易”。
这个名称源于迈达克公司（MT4平台开发商），在其他投资领域并不常见，主流投资界通常谈论的是“量化交易”或“算法交易”。EA与“量化交易”有相似之处，但并不完全相同。
然而，当你深入了解“量化交易”时，你会发现它们讨论的内容与EA有很大差异，很多关键话题在EA领域并未被充分探讨。
例如，量化交易非常重视风险控制，将“最大回撤率”视为关键指标。有基金经理曾表示，一次回撤超过10%被其视为职业生涯的污点，即便后来盈利增加也不例外。但在EA圈内，很少人重视这点，有人晒出回撤超过50%的曲线仍不以为意，甚至向客户展示“余额曲线”而非净值曲线。
另外，量化投资者关心的“夏普率”在EA领域几乎是个盲区。MT4回测报告不提供这一指标，而多数交易者只关心“风险报酬比”，即潜在亏损与盈利的比值，但这属于主观判断，不够科学。而夏普率客观衡量盈利能力与稳定性，如此重要却无人问津，难怪难以摆脱“大亏大赚”的循环。
量化投资者还会分析收益的来源，区分α因子和β因子。为什么如此分类呢？
因为这类交易者较为自律，即便盈利，也会反思收益是否源于自身能力。若归因于α，他们感到自豪；若是β，则认为属于市场整体回报，并不值得炫耀。
而EA领域则较少关注此类区分，往往认为盈利全靠个人本事。
量化投资者还强调组合投资，通过多市场、多品种、多策略的组合与对冲来实现风险收益平衡。而目前多数EA仍局限于单一品种的策略设计。
量化投资界已广泛运用概率论、微积分、矩阵运算等高等数学工具，并涉足神经网络和深度学习，而EA大多停留在基础算术和简单技术指标上，这种以初等算法为核心的策略，其市场适应性自然有限。
简单来说，EA的技术水平确实有待提升。
或许十年前，EA算得上先进技术。当时国内股市和期货市场尚未普及全自动交易，而EA通过程序化实现人工交易手法，如自动识别均线交叉或处理逆势加仓、成本平摊等策略，即常见的马丁类EA。市场上多数EA都基于此类逻辑。
但十年过去，EA的套路并未明显改变，而全球对冲基金和财富管理机构的交易理念与技术不断进步，相较之下，EA显得有些滞后。
近年来，EA策略的发展缓慢，市面上流传的策略与十年前并无二致，实在令人感叹。
EA水平较低的原因，一方面在于行业边缘化，缺乏高水平研发人才；另一方面，平台技术也有局限。尽管MT4平台功能强大且易用，但相比专业程序化开发环境，其差距日益拉大。
不过，突破瓶颈、改变现状的可能性依然存在，希望正在孕育。那么，出路何在？且待下回分解。