从手动到自动化：技术路径

手动交易让你认识市场，自动化让你睡得着觉。两者之间的路径是技术活，但可以分阶段学。

干嘛要自动化

手动交易有几个毛病：

• 执行不一致（连亏 5 笔后你就犹豫了）
• 容量有限（一个人能盯几个品种）
• 不能回测（你过去的决策没法重放）
• 情绪偏差（过度交易、提前出场）

自动化把四个问题都修了——代价是新风险：代码 bug、基础设施故障、过拟合。转型要稳，别急。

技术路径分七步

第 1 步：把手动系统写得清清楚楚

写代码前，先把规则写得具体到另一个交易员能照着做出来一字不差。用系统设计那篇的模板：标的池、入场结构、入场触发、止损、目标、仓位、过滤器。

你的规则里只要有"凭感觉"或"看经验"，就自动化不了。要么写成代码，要么砍掉。

第 2 步：手动回测文档化系统

在历史数据上手跑这套系统——打印图表、标入场、记交易。这步能在写代码前把逻辑漏洞找出来。大多数"能自动化"的系统在这一步暴露出隐藏的主观判断。

第 3 步：选技术栈

新手从 Pine Script 入门最轻松。要做认真的自动化，Python 配经纪商 API 最灵活，技能也最通用。

第 4 步：用代码搭回测器

别直接跳到实盘自动化。先把你的手动回测结果在代码里复现：

1. 加载历史数据（CSV 或 API）
2. 实现入场、止损、目标逻辑
3. 模拟交易
4. 把代码跑出的交易列表跟你的手动日志对比

代码跟手动日志对不上，就是逻辑错了。改对再往下走。这一步能抓住 80% 的自动化错误。

第 5 步：加现实执行建模

给回测器加上：

• 点差和佣金
• 止损滑点（1–3 个 tick）
• 下单延迟（1–5 秒）
• 部分成交
• 最大仓位限制

然后在代码结果上跑 walk-forward 分析和蒙特卡洛。

第 6 步：自动纸面交易

通过 API 或平台自动化把代码接到模拟账户：

• MT4/MT5：作为 EA 部署到 demo
• cTrader：作为 cBot 部署到 demo
• Python：连经纪商的纸面交易 API
• NinjaTrader：作为策略部署到 simulation

自动跑 1–3 个月。把实盘 demo 结果跟回测预期对比：

• 胜率
• 单笔期望值
• 实际滑点
• 拒单率
• 最大回撤

实盘结果跟回测预期在合理容差内对得上，才上实盘。

第 7 步：最小仓位上实盘

用最小可交易规模上实盘：

• 外汇：0.01 手
• 股票：1 股
• 期货：1 张 Micro 合约

至少跑两周再加仓。跟踪实盘跟 demo 的每一个偏差。这一步常见问题：

• API 频率限制
• 鉴权失败
• 时区错配
• 品种名差异（比如 "EURUSD" vs "EUR/USD.spot"）

实盘自动化基础设施清单

意外多的一类自动化失败，不是策略问题，是基础设施问题。

常见自动化坑

• 代码逻辑错：bar 索引差一、比较运算符写错
• 状态管理：重启后机器人没正确跟踪未平仓
• 时区 bug：机器人用 UTC，经纪商用 EST
• API 限流：每秒请求太多，经纪商断连
• 代码过拟合：参数调出漂亮的回测，实盘稀烂
• 日志不够：出问题时你不知道为啥
• 没熔断：失控机器人几分钟就能爆账户

最小可行机器人

第一个自动化项目：

1. 一个标的（EURUSD 或 ES）
2. 一个周期（H1 或 D1）
3. 一条入场规则、一条出场规则
4. 固定每笔 0.5% 风险
5. 服务端止损
6. 完整日志
7. 每日邮件汇总

这个最小机器人无缝跑一个月之前，别加功能。

啥时候别自动化

• 你的优势本质上是主观的（读订单流、解读新闻）
• 样本太小没法验证
• 没先手动回测过
• 规则写不出来
• 自动化成本超过优势本身的价值

有些优势天生属于人。别为了自动化而自动化。

长期回报

做得对，自动化会复利。一旦你有了可用的流水线（数据 → 策略 → 回测 → demo → 实盘），新系统从测到上线用几周不用几个月。第一个系统难，第十个就快了。

交易系统系列到此结束。配合平台指南，把你的系统跑在 MetaTrader、cTrader、NinjaTrader、TradingView 上。