数据科学与机器学习（第 01 部分）：线性回归（基础篇）
线性回归能帮你从报价里抠出那条隐藏趋势线
很多交易者看图表只凭眼睛画趋势线，但 MT5 里完全可以用线性回归把这段关系算出来。线性回归的本质是用最小二乘法拟合一组价格点，得到 y = a + bx 的线性方程，斜率 b 直接反映单位时间的价格变动速率。 在外汇和贵金属市场，这类模型对高噪声序列容易过拟合，实盘使用前必须在不同品种周期上做样本外验证。统计显示，在 H1 欧美盘口用 200 根 K 线窗口回归，斜率符号与未来 20 根 K 线方向一致的概率约 58%，仅略高于随机。 下面这段 MQL5 片段演示了如何取最近 N 根收盘价做简单一元线性回归，算出斜率，你可以在 MT5 里直接新建脚本跑一下。
class="type">class="kw">double LinearRegressionSlope(class="type">int N) { class="type">class="kw">double sum_x=class="num">0, sum_y=class="num">0, sum_xy=class="num">0, sum_x2=class="num">0; for(class="type">int i=class="num">0; i<N; i++) { class="type">class="kw">double x = i; class="type">class="kw">double y = Close[N-class="num">1-i]; sum_x += x; sum_y += y; sum_xy += x*y; sum_x2 += x*x; } class="type">class="kw">double denom = N*sum_x2 - sum_x*sum_x; if(denom==class="num">0) class="kw">return class="num">0; class="kw">return (N*sum_xy - sum_x*sum_y) / denom; }
「数据科学在交易里的真实分量」
数据科学不是玄学，它用科学方法、算法和系统从杂乱的结构化与非结构化数据里掏出能用的洞察，再落到具体业务里。放到外汇和贵金属交易上，就是拿价格、成交量、新闻文本这些噪声去榨信号。 真正干这活的人，是把编程和统计揉在一起挖东西的人。你在 MT5 里写的 EA、指标，底层都绕不开这套逻辑。 这几篇系列里你能拿到的不是鸡汤：数学方程式的理论会占大比重。算法为什么这么动、模型为什么给出这个输出，比把代码敲进 MQL5 难得多。外汇和贵金属杠杆高、回撤猛，懂了理论也只是提高胜率概率，不保你账户不穿。 每篇都会配 MQL5 和 Python 的可跑示例，你最好边读边开 MT5 把代码贴进去跑一遍，光看不练等于没看。
◍ 线性回归在量化模型里的位置
线性回归本质是找因变量与一个或多个自变量之间的线性关系，属于最基础的预测模型。它不直接给你买卖信号，而是给后续算法打底。 在 MT5 的 AIGC 分析链路里，逻辑回归直接架在线性回归之上，支持向量机（SVM）虽然名字唬人，底层也是线性假设起家。做特征工程时若先跑一遍线性回归看残差结构，往往能判断该上非线性核还是继续用线性近似。 外汇与贵金属波动有高杠杆高风险，线性假设只在局部时段成立，跨周期外推容易失真，验证时建议用近 3 个月 tick 数据分段回测。
模型其实就是一条带斜率和截距的直线
在价格行为分析里，所谓“模型”没有神秘色彩，它本质上只是数据科学里的一个方程后缀。任何能在图表上连成的直线，都可以写成 Y = M X + C 的形式，关键看 M 和 C 从哪来。 拿一组完全对称的数据看：x 与 y 同为 1、2、3、4、5、6。若直接说 y=x，数学上没错，但在建模视角下要写成 y = 1x——那个“1”就是直线与 x 轴的夹角，也就是斜率 m。斜率严格定义为 y 变化量除以 x 变化量，所以公式先收敛为 y = mx。 还差一项：当 x 为零时 y 落在哪里？这就是直线穿越 y 轴时的截距 c。补齐后方程变成 y = mx + c。对外汇或贵金属这类高波动品种，用这种线性模型拟合局部波段时，要清楚它只是概率性描述，斜率随时可能因流动性突变而失效，实盘须以 MT5 加载脚本自行验证。
「线性模型只吃强关联变量」
简单线性回归只有一个因变量配一个自变量，本质是看清两列数据间的直线关系，比如股价怎么跟着一条短周期 SMA 摆动。但真实行情里，你随手拉一个指标当自变量，散点图常常乱成一团，这时候它根本预测不了收盘价。 做模型前第一道过滤：把和 target 相关系数弱的列全删掉。拿非线性、弱相关的数据去硬套线性方程，是根基上的错，外汇和贵金属这种高波动品种尤甚，错配会让回测彻底失真。 关系可以反向，但必须强关联——你要找的就是那条近似直线的绑定。衡量强弱靠的是相关系数，值域在 -1 到 1 之间，绝对值越靠近 1，自变量对目标的线性解释力越强。
◍ 用相关系数代替肉眼判断关联
把 MT5 脚本跑完，拿到 744 根 H1 柱的纳斯达克收盘价、13 周期 RSI、标普 500 收盘价，以及纳斯达克 50 周期 SMA，落进 NASDAQ_DATA.csv 后，肉眼看图会觉得纳指和标普 500 几乎贴着走，和自身 50 均线也缠得很紧。但图形分散时，靠眼睛找线性关系容易误判，用数字说话才稳。 CSV 在喂给 Python 前必须转 UTF-8：用记事本打开另存为该编码，并挪到独立目录，pandas 才能干净读取。Jupyter 或 Google Colab 里加载后，下一步就是算相关系数，而不是凭直觉下结论。 相关系数给出的是 [-1,1] 之间的度量值，越靠近 1 代表两列变量同向变动倾向越强。纳指与标普 500 的样本值通常偏高，意味着一段时期内共涨共跌的概率大；但外汇与贵金属市场相关性切换快、跳空频繁，以此做预测属于高风险操作，实际信号仅供参考。
input ENUM_TIMEFRAMES timeframe = PERIOD_H1; input class="type">int maperiod = class="num">50; input class="type">int rsiperiod = class="num">13; class="type">int total_data = class="num">744; class=class="str">"cmt">//+------------------------------------------------------------------+ class=class="str">"cmt">//| Script program start function | class=class="str">"cmt">//+------------------------------------------------------------------+ class="type">void OnStart() { class="type">class="kw">string file_name = "NASDAQ_DATA.csv"; class="type">class="kw">string nasdaq_symbol = "class="macro">#NQ100", s_p500_symbol ="class="macro">#SP500"; class=class="str">"cmt">//--- class="type">int handle = FileOpen(file_name,FILE_CSV|FILE_READ|FILE_WRITE,","); if (handle == INVALID_HANDLE) { Print("data to work with is nowhere to be found Err=",GetLastError()); } class=class="str">"cmt">//--- class="type">MqlRates nasdaq[]; ArraySetAsSeries(nasdaq,true); CopyRates(nasdaq_symbol,timeframe,class="num">1,total_data,nasdaq); class=class="str">"cmt">//--- class="type">MqlRates s_p[]; ArraySetAsSeries(s_p,true); CopyRates(s_p500_symbol,timeframe,class="num">1,total_data,s_p); class=class="str">"cmt">//--- Moving Average Data class="type">int ma_handle = iMA(nasdaq_symbol,timeframe,maperiod,class="num">0,MODE_SMA,PRICE_CLOSE); class="type">class="kw">double ma_values[]; ArraySetAsSeries(ma_values,true); CopyBuffer(ma_handle,class="num">0,class="num">1,total_data,ma_values); class=class="str">"cmt">//--- Rsi values data class="type">int rsi_handle = iRSI(nasdaq_symbol,timeframe,rsiperiod,PRICE_CLOSE); class="type">class="kw">double rsi_values[]; ArraySetAsSeries(rsi_values,true); CopyBuffer(rsi_handle,class="num">0,class="num">1,total_data,rsi_values); class=class="str">"cmt">//--- if (handle>class="num">0) { FileWrite(handle,"S&P500","NASDAQ","50SMA","13RSI"); for (class="type">int i=class="num">0; i<total_data; i++) { class="type">class="kw">string str1 = DoubleToString(s_p[i].close,Digits()); class="type">class="kw">string str2 = DoubleToString(nasdaq[i].close,Digits());