MQL5 Free EA – ตรวจสอบโดย backtesting 26 “GoldGainer”
ในซีรีส์ “การยืนยันโดยการทดสอบย้อนหลัง" เราจะตรวจสอบประสิทธิภาพของ EA ฟรีที่ลงทะเบียนในชุมชน MQL5 จากผลการทดสอบย้อนหลัง เราหวังว่ามันจะช่วยคุณเลือก EA
* จําเป็นต้องลงทะเบียนสมาชิก (ฟรี) เพื่อดาวน์โหลด EA และตัวบ่งชี้จากชุมชน MQL5 ดังนั้นเรามาสร้างบัญชีโดยอ้างถึง บทความนี้!

รุ่นที่ 26 คือ “GoldGainer“.
เกี่ยวกับ “GoldGainer"
อ้างจากหน้าอย่างเป็นทางการของ MQL5 (แปล)
ขอแนะนำ GoldGainer EA ซึ่งเป็น Expert Advisor ที่ใช้ประโยชน์จากอัลกอริธึม AI, MACD และ RSI เพื่อระบุโอกาสในการซื้อขายในกรอบเวลา M30 EA ออกคำสั่งทันทีเมื่อตรวจพบสัญญาณตามการคำนวณทางคณิตศาสตร์ของมันเอง จำนวนสูงสุดของการเทรดถูกตั้งค่าไว้ล่วงหน้า พร้อมกับค่า Stop Loss และ Take Profit คงที่
ด้านล่างนี้เป็นรายละเอียดการป้อนข้อมูลที่คุณควรทราบ:
- initial Lot Size: 0.01 (ขนาด lot เริ่มต้น)
- Balance: 200 (เพิ่ม lot ทุกครั้งที่ยอดคงเหลือเพิ่มขึ้น 200 ดอลลาร์)… ในเวอร์ชันปัจจุบันคือ 175 ดอลลาร์
- MaxCountOrders: 2 (จำนวนคำสั่งสูงสุดที่สามารถเปิดได้พร้อมกัน)
- MaxSpread: 200 (สเปรดสูงสุดที่อนุญาต)
- TakeProfit: 150 (จำนวนค่า pip ของ TakeProfit)
- StopLoss: 120 (จำนวนค่า pip ของ StopLoss)
- Magic: 2628 (หมายเลข Magic ที่เฉพาะกิจสำหรับการซื้อขาย)
- Comment: GoldGainerV_2.6 (ความเห็น)
คุณสมบัติอื่นๆ ของ GoldGainer EA มีดังนี้:
- คู่สกุลเงิน: XAUUSD/GOLD
- แกนเวลา: M30
- จำนวนเงินฝากที่แนะนำ: $200 ขนาดล็อตเริ่มต้น 0.01
สิ่งสำคัญคือต้องจำไว้ว่าผลการเทรดในอดีตไม่ได้รับประกันว่าผลลัพธ์ในอนาคตจะเหมือนเดิม สภาวะตลาดสามารถเปลี่ยนแปลงได้อย่างรวดเร็วและมีปัจจัยหลายอย่างที่อาจส่งผลต่อประสิทธิภาพของกลยุทธ์การซื้อขายของคุณ ดังนั้นจึงเป็นเรื่องสำคัญที่จะต้องพิจารณาความเสี่ยงที่เกี่ยวข้องเสมอก่อนที่จะลงทุนในกลยุทธ์การซื้อขายใด ๆ ซึ่งรวมถึงการทำความเข้าใจผลขาดทุนและกำไรที่อาจเกิดขึ้น และประเมินการยอมรับความเสี่ยงของคุณตามนั้น เราขอแนะนำให้คุณขอคำแนะนำจากที่ปรึกษาทางการเงินหรือผู้เชี่ยวชาญอื่น ๆ ในสาขานี้เพื่อช่วยคุณในการตัดสินใจ
GoldGainer ซื้อขายอย่างไร

Take Profit (TP) และ Stop Loss (SL) ถูกกำหนดโดยพารามิเตอร์ EA แต่การเทรดส่วนใหญ่ดูเหมือนจะถูกปิดโดยตรรกะภายในก่อนที่จะถึง TP และ SL
การทดสอบย้อนหลังด้วยการตั้งค่าเริ่มต้น (ดอกเบี้ยทบต้น)
- บัญชี: NZX Zero (ECN) (NOZAX)
- คู่สกุลเงิน: XAUUSD#
- แกนเวลา: M30
- พารามิเตอร์: การตั้งค่าเริ่มต้น
- ยอดเงินเริ่มต้น: $200
- ระยะเวลา: 2020.01.01 – 2023.03.31 น






การทดสอบย้อนหลังอย่างง่าย
เพื่อให้ได้ผลลัพธ์ของดอกเบี้ยง่ายๆ ฉันตั้งค่าพารามิเตอร์ยอดคงเหลือเป็น 3000 และตั้งค่าให้ซื้อขาย 0.01 ล็อตหากยอดคงเหลืออยู่ภายใน $3000
- บัญชี: NZX Zero (ECN) (NOZAX)
- คู่สกุลเงิน: XAUUSD#
- แกนเวลา: M30
- พารามิเตอร์: Balance = 3000
- ล็อต: 0.01
- ยอดเงินเริ่มต้น: $1,000
- ระยะเวลา: 2020.01.01 – 2023.03.31 น


EA นี้มี Drawdown เล็กน้อยและดูเหมือนจะให้ผลกำไรสูง เมื่อเปรียบเทียบผลลัพธ์ backtest ของค่าเริ่มต้นกับดอกเบี้ยธรรมดา ฉันคิดว่าการทบต้นในระดับปานกลางสามารถใช้ได้ด้วยความสบายใจ แทนที่จะใช้การทบต้นแบบสุดโต่ง
นอกจากนี้ เนื่องจากเป็น EA ที่ใช้ AI จึงจำเป็นต้องตรวจสอบว่ามีการเรียนรู้มากเกินไปหรือไม่ นอกจากนี้ ในช่วงการทดสอบย้อนหลังประมาณ 3 ปี มีช่วงเวลาที่การเติบโตค่อนข้างซบเซาเล็กน้อย ดังนั้นจึงเป็นการดีที่จะเริ่มต้นด้วยการตรวจสอบการดำเนินการด้วยบัญชีทดลอง
- การโอเวอร์ฟิตติ้งเป็นปรากฏการณ์ที่โมเดล AI เกินข้อมูลการฝึกอบรมและทำงานได้ไม่ดีกับข้อมูลใหม่