在量化交易的世界里，EA（Expert Advisor）指标是构建交易策略的“基因密码”。无论你是刚入门的新手，还是想优化策略的老手，掌握核心指标的原理与应用都是关键。本文将带你系统性梳理EA量化中常用的指标类型，助你科学搭建交易逻辑，避开“指标堆砌”的误区。
🔍 为什么需要了解EA指标？
EA的本质是通过代码将交易逻辑自动化，而指标是量化逻辑的“翻译工具”。避免盲目跟风：理解指标背后的数学逻辑，才能判断策略是否适合当前市场。提升策略鲁棒性：合理组合指标，能降低过拟合风险，增强策略适应性。高效调试参数：明确指标敏感度，优化时不再“大海捞针”。
📊 EA指标分类详解
1、趋势跟踪类：
捕捉市场大方向移动平均线（MA）
原理：通过价格平均值平滑波动，识别趋势方向。
应用：双均线交叉（金叉/死叉）、价格与均线位置判断多空。
注意：滞后性较强，需结合波动率指标过滤假信号。
布林带（Bollinger Bands）
原理：标准差衡量价格波动范围，动态生成上下轨。
应用：突破上轨做多/下轨做空，或利用收窄预判变盘。
2、波动率类：
量化市场情绪平均真实波幅（ATR）
原理：衡量价格波动幅度，反映市场活跃度。
应用：动态设置止损止盈（如ATR的2倍），避免固定点位僵化。
标准差（StdDev）
原理：统计价格偏离均值的程度，评估波动风险。
应用：波动率突破策略，或作为资金管理参数。
3、动量类：
捕捉短期爆发力相对强弱指数（RSI）
原理：比较涨跌幅，判断超买/超卖。
应用：RSI>70警惕回调，RSI<30关注反弹（需结合趋势过滤）。
随机震荡指标（Stochastic）
原理：比较收盘价与区间高低，捕捉短期动能。
应用：%K线与%D线交叉信号，适合震荡市。
4、统计类：
挖掘概率优势Z-Score标准化
原理：将指标值转换为标准差分布，评估极端值。
应用：均值回归策略中，识别价格偏离均值的程度。
相关系数（Correlation）
原理：衡量两个品种价格波动的同步性。
应用：构建对冲组合或筛选低相关性资产。
5、风险管理类：
守住本金底线最大回撤（Max Drawdown）
原理：策略净值从峰值到谷值的最大跌幅。
应用：评估策略风险承受能力，优化仓位管理。
夏普比率（Sharpe Ratio）
原理：单位风险下的超额收益，衡量性价比。
应用：对比不同策略的风险调整后收益。
⚠️ 使用指标的三大原则
少即是多：策略中指标数量建议控制在3-5个，避免逻辑冲突。
参数适配性：同一指标在不同周期/品种中表现可能差异巨大，需回测验证。动态调整：市场风格切换时，指标权重或阈值需相应优化（如趋势市降低RSI权重）。
EA指标是量化交易的“工具箱”，而非“圣杯”。理解其数学逻辑、适用场景与局限性，才能让策略更稳健。
