关于在Python、MQL4/MQL5中实现带参数k的收益序列计算并满足终值约束的技术问询

核心交易序列逻辑 #

我需要实现一个基于复利调整风险的交易收益序列，具体规则如下：

• 以 Value[0] 作为初始资金
• 第1笔收益：Return[1] = RR * Riskpc * Value[0]，更新后资金：Value[1] = Value[0] + Return[1]
• 第2笔收益：Return[2] = RR * ((k * Riskpc * Value[1]) + Return[1])，更新后资金：Value[2] = Value[1] + Return[2]
• 以此类推，第n笔收益（n>1）：Return[n] = RR * ((k * Riskpc * Value[n-1]) + Return[n-1])，更新后资金：Value[n] = Value[n-1] + Return[n]

这个序列的设计目标是：把整个交易系列的最大损失限制在 Riskpc*Value[0] 范围内，同时通过将“乘数k乘以前期全部收益”加入风险本金，来提升上行收益潜力。

关键需求约束 #

我需要在Python、MQL4、MQL5三种语言中实现上述逻辑，并且必须满足一个核心等式：无论n取何值（n>1），最终资金 Value[n] == m * Value[0]，其中m是大于1的常数（当前场景下m=1.101，RR=3，Riskpc=1）。

我理解这个问题的解是一个几何方程——k是RR、Riskpc、n、m的函数，但凭借我30年前学的A-level数学知识，完全推导不出这个函数；尝试用Matlab和SymPy工具也没找到有效的思路。

现有代码的问题 #

我之前写了一个蒙特卡洛模拟器，它会运行100万次交易序列模拟，在每笔盈利后计算下一笔的累计风险降低值，但存在明显缺陷：

• 当交易序列长度compoundLength=2时，代码能正常运行，实现了预期的风险控制和收益目标（可以保留第一笔交易约50%的收益，具体取决于前期回撤）
• 但当compoundLength≥3时，只有最后一笔交易能体现风险降低的收益，前期收益的保留逻辑没有分散到整个交易序列中

我需要重写calcRisk()函数，替换现有代码中第51行和第56行的逻辑，把前期收益的部分保留逻辑分散到整个交易序列（第一笔交易除外），而不是仅作用在最后一笔交易上。

原问题背景（2笔交易场景） #

最初的需求是在风险回报比RR=3的场景下：

1. 第一笔交易的收益加入到新账户价值的1%中，作为第二笔交易的风险本金
2. 确保整个2笔交易系列的损失不超过初始资金的1%
3. 最终实现10.1%的目标收益

这个2笔交易的场景已经通过现有代码实现，但现在需要把这个逻辑扩展到任意n笔交易的序列中。

内容的提问来源于stack exchange，提问作者Andy Thompson