斐波那契 + 艾略特波浪 + MACD + RSI 真的能盈利吗？198,000次回测覆盖38个交易品种

这是什么

“用斐波那契和艾略特波浪来规划走势，再用MACD和RSI确认，你的胜率就会提高。”你肯定见过这种说法。

本文记录了对这一说法进行彻底检验的结果——基于真实价格数据，共198,000次测试，完整公开。

先给出三个结论。

1. 全部15种组合均亏损。 扣除交易成本后，盈利因子（总盈利÷总亏损）在0.85–0.87之间，全部低于1.0。
2. 添加指标并无帮助。 仅用斐波那契：盈利因子0.853。四种指标全部叠加：盈利因子0.860。这属于噪声。
3. 80%的胜率很容易制造——而且与指标无关。 设置较小的止盈和较宽的止损，即使是完全随机的入场，胜率也能达到66.3%。

测试构建方式

• 交易品种：21个外汇货币对 / 3种金属 / 6个股指CFD / 3种能源 / 2种加密货币 / 3只美股CFD — 共38个
  • 外汇货币对：AUDCHF、AUDJPY、AUDNZD、AUDUSD、CADJPY、CHFJPY、EURAUD、EURCHF、EURGBP、EURJPY、EURNZD、EURUSD、GBPAUD、GBPCHF、GBPJPY、GBPUSD、NZDJPY、NZDUSD、USDCAD、USDCHF、USDJPY
  • 金属：XAGUSD、XAUUSD、XPTUSD
  • 股指CFD：DE40、JP225、UK100、US30、US500、USTEC
  • 能源：NGAS、UKOIL、USOIL
  • 加密货币：BTCUSD、ETHUSD
  • 美股CFD：AAPL、NVDA、TSLA
• 时间周期：1小时、4小时、日线
• 数据：两家经纪商（Exness / XM）分别测试。仅在一家出现的结果不予采纳
• 组合：四个指标的所有开/关模式 = 15种。每种模式遍历参数和出场设置（每个品种-时间周期1,100种配置）
• 总测试次数：198,000次（180个单位 × 1,100种配置）

不窥探未来（最关键的部分）

斐波那契水平和艾略特波浪计数都需要一个已确认的摆动高点或低点。但只有当价格已经反转并远离该K线之后，你才知道那根K线是高点。

忽略这一点，回测就会轻易造假，因为它会在只有事后才能识别的点位进行交易。大多数已发表的斐波那契和艾略特回测都在这方面犯了错。

因此，这里的每个枢轴点都标注了其确认所在的K线，信号只能在之后的K线触发。入场始终是下一根K线的开盘价，当一根K线同时触及目标和止损时，我们将其记录为止损——始终以不利于我们的方向结算。

成本

每笔交易都扣除了现实中的往返点差。如下所示，这一假设最终被证明过于宽松。

通过标准，在运行前预先设定

在看到结果后才制定的标准可以证明任何东西。以下五项标准是预先确定的，从未变动过。

结果1：全部15种组合

如何解读：盈利因子（PF）高于1.0意味着盈利。以上15行全部低于1.0。

现在看"每笔交易"一列。所有组合都落在 -1.8至-2.2点 之间——这大致相当于这些交易品种的点差。换句话说，扣除成本前的期望值约为零。这些指标既没有对也没有错；策略只是在支付点差。

叠加更多指标会提高出现盈利的配置比例，但这并非真正的优势。更严格的条件意味着更少的交易次数和更大的离散度。盈利因子（PF）并未发生变化——这才是关键所在。

结果2：为何“回测有效”会发生

这是本研究的核心。

运行198,000次测试，最优的那个结果看起来会非常亮眼。问题在于，选择那个亮眼结果这一行为本身，就是一次未经测试的操作。

因此：仅使用数据前70%来挑选优胜者，然后在后30%（从未用于筛选的数据）上衡量该优胜者的表现。

三种筛选规则的结果均从强正收益转为负收益。

仔细观察中间一行。按胜率筛选，胜率在很大程度上得以保持——前半段为75.5%，后半段为65.8%。然而盈亏却为-11,099点。 胜率得以延续，但利润没有。

仅有31%–39%的品种在后半段保持盈利。抛硬币的概率是50%，因此依据历史表现进行筛选在这里比毫无用处更糟。

结果3：“80%胜率”的真实含义

下表完全不使用任何指标。入场完全随机。只有出场设置发生变化。

止盈设在0.8×ATR、止损设在1.6×ATR，随机入场也能有66.3%的胜率。这当然合理——小盈利容易触及，大亏损难以触发。代价就是一次亏损会抹掉三四次盈利。

以下是本研究胜率最高的配置组合。注意出场列：每一个都是高胜率型（止盈0.8 / 止损1.6）。

| 品种 | 周期 | 组合 | 出场 | 交易数 | 胜率 | 95%置信区间 | 盈利因子 | 总点数 | |---|---|---:|---:|---|---:|---:| | USOIL | h1 | 斐波那契 + RSI | 高胜率型 | 84 | 82.1% | 72.6–88.9% | 1.72 | +254 | | GBPJPY | h1 | 斐波那契 + RSI | 高胜率型 | 113 | 80.5% | 72.3–86.8% | 1.97 | +937 | | EURAUD | h1 | 斐波那契 + RSI | 高胜率型 | 82 | 80.5% | 70.6–87.6% | 1.58 | +422 | | AUDCHF | d1 | 斐波那契 + MACD | 高胜率型 | 106 | 80.2% | 71.6–86.7% | 1.82 | +2,365 | | CADJPY | h1 | 斐波那契 + MACD + RSI | 高胜率型 | 94 | 79.8% | 70.6–86.7% | 1.85 | +471 | | AUDCHF | d1 | 斐波那契 + MACD + RSI | 高胜率型 | 101 | 79.2% | 70.3–86.0% | 1.61 | +1,863 | | GBPAUD | d1 | 斐波那契 + MACD | 高胜率型 | 96 | 79.2% | 70.0–86.1% | 1.55 | +4,082 | | GBPAUD | d1 | 斐波那契 + MACD + RSI | 高胜率型 | 91 | 79.1% | 69.7–86.2% | 1.50 | +3,590 | | AAPL | h4 | 斐波那契 + 艾略特波浪 + RSI | 高胜率型 | 81 | 79.0% | 68.9–86.5% | 1.44 | +306 | | UKOIL | d1 | 斐波那契 + MACD | 高胜率型 | 104 | 78.8% | 70.0–85.6% | 2.12 | +1,692 | | GBPCHF | h4 | 斐波那契 + 艾略特波浪 + MACD | 高胜率型 | 80 | 78.8% | 68.6–86.3% | 1.63 | +963 | | GBPCHF | h4 | 斐波那契 + 艾略特波浪 + MACD + RSI | 高胜率型 | 80 | 78.8% | 68.6–86.3% | 1.63 | +963 | | XPTUSD | h1 | 斐波那契 + 艾略特波浪 + MACD | 高胜率型 | 98 | 78.6% | 69.5–85.5% | 1.86 | +449 | | NVDA | h4 | 艾略特波浪 + RSI | 高胜率型 | 88 | 78.4% | 68.7–85.7% | 1.37 | +217 | | XPTUSD | h1 | 斐波那契 + 艾略特波浪 + MACD + RSI | 高胜率型 | 96 | 78.1% | 68.9–85.2% | 1.84 | +439 | | GBPCHF | h4 | 斐波那契 + MACD + RSI | 高胜率型 | 91 | 78.0% | 68.5–85.3% | 1.48 | +488 | | GBPUSD | d1 | 艾略特波浪 + MACD + RSI | 高胜率型 | 86 | 77.9% | 68.0–85.4% | 1.91 | +3,252 | | UKOIL | d1 | 斐波那契 + MACD | 高胜率型 | 113 | 77.9% | 69.4–84.5% | 1.81 | +1,545 | | USDJPY | h4 | 艾略特波浪 + MACD | 高胜率型 | 90 | 77.8% | 68.2–85.1% | 1.70 | +972 | | AUDJPY | h1 | 斐波那契 + 艾略特波浪 + MACD + RSI | 高胜率型 | 98 | 77.5% | 68.3–84.7% | 1.27 | +241 |

在这80%的胜率中，大约66.3%仅仅来自出场结构的贡献。指标只额外增加了不到10个百分点——总点数依然很小，而且该表中没有任何一个配置通过通过标准（见下文G2–G4）。

**胜率在很大程度上取决于你选择止盈和止损距离的那一刻。**它并不能衡量一个方法是否真正有效。

结果4：最接近成功的配置

公平地说，以下是存活时间最长的配置。但全部仍然失败。

它们全部倒在了同一道关卡上：G4，多重检验校正。 也就是最右边那一列——数值越接近1.0，意味着"越难用运气来解释"。在全部198,000次测试中，最好的数值也只有0.145，而要求的标准是0.95。

这道关卡提出的问题是："如果20万人抛硬币，我们是否应该把最长连续正面纪录的创造者称为抛硬币高手？" 对尝试次数进行折减之后，什么都不剩了。

“也许只是你的实现方式太差”

这个质疑很合理。这里给出两个回答。

三条艾略特规则确实具有约束力

艾略特波浪理论有三条没有任何学派争议的规则，本研究中均已落实：

1. 浪2永远不会回撤超过浪1的起点
2. 浪3永远不会是浪1、浪3和浪5中最短的一浪
3. 浪4永远不会与浪1的价格区间重叠

在所有检测到的摆动序列中，仅有 5.5–9.7% 能同时满足这三条规则。其中规则3的筛选作用最大，通过率仅为10–18%。因此，这并非一个“放水”的检测器——它进行了严格过滤，而幸存下来的序列仍然亏损。

“只要正确数浪，这个方法就有效”

这是争论的核心，所以我们直说。

主观数浪根本无法被检验。 把同一张图表拿给十位分析师看，你会得到十种不同的数浪结果——而且其中任何一种都可以事后修改（“那其实是浪4内部的b浪”）。一个在犯错时无法被记录为错误的说法，只会不断累积“正确”的记录。

本研究检验的是可以机械化定义的部分。在这个范围内，不存在任何优势。至于主观部分是否有效，本研究无法判断——但是否要为一种无法量化的东西投入资金，那是另一个独立的决策。

假设成本 vs. 真实账户

“也许成本假设过于苛刻了。”事实恰恰相反。

数据来自我们自有的验证账户（Exness Technologies Ltd / Exness-MT5Trial5），以点差百分位数统计，已剔除过期报价。采样时间：2026-07-31T20:27:12+00:00。

本研究所假设的成本对策略有利。 在真实账户上，上述结果只会更差，而非更好。

你实际能带走什么

1. 不要仅凭胜率评判一种方法。 胜率可以通过调整目标位和止损距离人为制造。要看盈利因子和每笔交易的期望值。任何以胜率为卖点却避而不谈止损距离的宣传，仅凭这一点就值得怀疑。
2. “回测表现良好”本身不携带任何信息。 如果不了解尝试了多少种变体，这个数字就无法解读。20万次尝试中的最优结果和只试过一次的结果可能印出相同的数字，但含义截然相反。
3. 要求提供分段测试结果。 如果没有人展示先用早期数据固定规则、再应用于后期数据的验证过程，那个数字可能只是事后拟合的结果。
4. 成本比人们预期的更重要。 这里的总期望值接近零；几乎全部亏损都来自点差。你交易得越频繁，经纪商的选择就越重要。
5. 添加指标并不能解决问题。 “策略失败是因为我需要更多确认信号”——这一说法在本研究中没有任何一处得到验证。

原始、聚合前的数据

上方的表格汇总了 198,000 次测试的结果。 聚合前的数据——每个配置一行，涵盖产生交易的 100,798 个配置——也已提供。

您将获得：每个品种 × 时间框架 × 组合 × 参数集对应的交易记录、胜率、盈利因子、最大回撤、逐年盈亏以及经多重检验校正后的显著性水平（CSV 格式），外加测试框架的设计说明（枢轴确认、三条艾略特规则、出场模拟规范）。

这不是交易记录。所有结论、全部 15 个组合结果、通过标准以及一切失败的原因均已在本页完整公开。 没有任何不利信息被隐藏在门槛之后——这里的结果是一个明确的负面结果。原始数据之所以设限，是因为它是支撑我们测试的工作成果。

该数据提供给通过本网站开设账户的读者（我们仅将您的账户号码与合作伙伴账本进行匹配；无需邮箱，无需密码）。

→ 如何获取

局限性，直说无妨

• K线级别模拟。 单根K线内部的路径未被重建（当目标价和止损价在同一根K线内均可达时，我们始终记录为触发止损——这是对我们自身不利的假设）。
• 未纳入隔夜利息/展期费用模型。 持仓时间较长的配置在实际操作中会有所不同。
• 这些斐波那契和艾略特实现仅为一种操作性定义。 我们测试了两种摆动检测灵敏度（1.5倍和3倍ATR）；这并非唯一合理的选择。
• 指数和股票差价合约高度依赖交易所交易时段和跳空缺口。 它们的处理精度不及外汇品种。
• 这并不证明该方法永远无效。 它仅表明，在预先注册的条件下，跨越20万个变体组合，未发现任何与随机概率无法区分的优势。

免责声明

本文不构成投资建议。所有数据均在我们的验证环境中测得，不保证未来结果。保证金交易可能导致亏损超过您的入金。请自行判断并谨慎交易。