数据科学与机器学习（第 02 部分）：逻辑回归·综合运用
（3/3）· 用二元交叉熵与多重动态挑战，看清逻辑回归在分类任务里的真实边界
很多交易者把逻辑回归当成黑箱信号发生器，却没意识到阈值和损失函数直接决定了分类边界的偏移。当多重特征同时动态变化时，静态系数会迅速失效，误把噪声当概率。
「逻辑回归里的二元交叉熵怎么算」
做分类模型时，均方误差不合适，逻辑回归的成本函数一般走二元交叉熵（也就是 log-loss）。它的核心是衡量预测概率 p 和真实标签 y（0 或 1）之间的偏离程度，偏得越多，罚分越大。 真实值 y=1 时，模型输出 p 越靠近 1 越好，罚分用 -log(p)：p=0.4 罚约 0.92，p=0.6 罚约 0.51，远离 1 的样本吃亏更明显。y=0 时则要用负类概率 1-p 套同样公式，-log(1-p)：此时 p=0.4 罚约 0.51，p=0.6 罚约 0.92，和直觉一致。 把两种情况并成一行就是 penalty = -( y*log(p) + (1-y)*log(1-p) )。y 取 1 或 0 代进去，和上面的 if-else 完全等价。N 个样本的平均对数损失，就是所有 penalty 求和再除以 N。 我们自己的训练集 logloss 测到 0.6858，测试集 0.6599，区间在 0.64–0.68，说实话不算理想。外汇与贵金属行情序列上跑这类模型高风险，过拟合和样本偏移都很常见，数字仅作验证参照。 要拿到「未舍入」的原始预测 p，得在训练/测试循环里、概率四舍五入之前就把值存进 rawpredicted 数组，不然算出来的损失是偏的。下面这段 MT5 代码可直接拷去用：
<span class="keyword">class="type">class="kw">double</span> CLogisticRegression::LogLoss(<span class="keyword">class="type">class="kw">double</span> &rawpredicted[]) { <span class="keyword">class="type">class="kw">double</span> log_loss =<span class="number">class="num">0</span>; <span class="keyword">class="type">class="kw">double</span> penalty=<span class="number">class="num">0</span>; <span class="keyword">for</span> (<span class="keyword">class="type">int</span> i=<span class="number">class="num">0</span>; i<<span class="functions">ArraySize</span>(rawpredicted); i++ ) { penalty += -((m_yvalues[i]*<span class="functions">log</span>(rawpredicted[i])) + (<span class="number">class="num">1</span>-m_yvalues[i]) * <span class="functions">log</span>(<span class="number">class="num">1</span>-rawpredicted[i])); <span class="comment">class=class="str">"cmt">//sum all the penalties</span> <span class="keyword">if</span> (m_debug) <span class="functions">printf</span>(<span class="class="type">class="kw">string">"penalty =%.5f"</span>,penalty); } log_loss = penalty/<span class="functions">ArraySize</span>(rawpredicted); <span class="comment">class=class="str">"cmt">//all the penalties divided by their total number</span> <span class="functions">Print</span>(<span class="class="type">class="kw">string">"Logloss ="</span>,log_loss); <span class="keyword">class="kw">return</span>(log_loss); }
◍ 多重动态回归的 MQL5 实现卡点
在 MT5 里写通用逻辑回归函数库，最头疼的是「多自变量动态接入」。早先我直接硬编码了两套同名函数：一套吃两个自变量数组，另一套吃四个，差异仅在于参数列数量。这种写法能跑，但明显违背 DRY 原则，维护起来很糟心。 Python 那边用 *args/**kwargs 就能灵活收参数，MQL5 没有等价语法。我能想到的出路是用字符串传列号（如 "3,4,5,6,7,8"），再在内部把全部数据塞进一个大数组，靠偏移量切出每一列。下面这段代码就是当时的雏形：用 x_columns 默认串指定列，MLRInit 里按 rows_total 步进拷贝到 EachXDataArray。 尝试把多列压进单一数组后在 for 循环里统一计算，我实测没跑通，模型输出对不上。另一个思路是动态开多个 CSV 当数组用，但文件 IO 加 while 循环在多线程回测时开销偏大，处理十几列时延迟明显上升。外汇与贵金属波动剧烈、杠杆高风险，这类自研回归模块未经严格样本外验证前，别直接挂实盘。 目前这套多动态逻辑回归仍属未完待解，函数库草稿已公开可查。欢迎有 MT5 底层数组操作经验的交易者，在评论里给一套不靠硬编码、不暴增文件 IO 的写法。
class="type">void MultipleRegressionMain(class="type">class="kw">double& predicted_y[],class="type">class="kw">double& Y[],class="type">class="kw">double& A[],class="type">class="kw">double& B[]); class="type">void MultipleRegressionMain(class="type">class="kw">double& predicted_y[],class="type">class="kw">double& Y[],class="type">class="kw">double& A[],class="type">class="kw">double& B[],class="type">class="kw">double& C[],class="type">class="kw">double& D[]); class="type">void CMultipleLogisticRegression::MLRInit(class="type">class="kw">string x_columns="class="num">3,class="num">4,class="num">5,class="num">6,class="num">7,class="num">8") class="type">int start = class="num">0; if (m_debug) class=class="str">"cmt">//if we are on debug mode print Each Array vs its row for (class="type">int i=class="num">0;i<x_columns_total; i++) { ArrayCopy(EachXDataArray,m_AllDataArray,class="num">0,start,rows_total); start += rows_total; Print("Array Number =",i," From column number ",m_XColsArray[i]); ArrayPrint(EachXDataArray); }
为什么选逻辑回归而不是别的方法
逻辑回归做二分类时不要求特征在样本空间里服从某种固定分布，这点对价格行为特征很友好——你不用先证明波动率服从正态才能喂数据。模型给出的输出是 0~1 之间的概率，交易者可以直接拿阈值切信号，而不是只看非黑即白的标签。 训练成本低，在 MT5 里跑几千根日线或几万根tick级样本，几秒内就能出系数。对未知K线做预测也只是一次线性运算，实盘告警不卡顿。 系数符号和大小本身就是特征重要性的粗略指标：比如某回归里 spread_zscore 系数为 2.3、rsi_dif 为 -1.1，说明前者对方向判断拉动更强。外汇与贵金属杠杆高、滑点跳空频繁，概率仅代表历史样本下的倾向，不是下一步必发生的结论。 抗过拟合在简单数据集上表现不错，但特征一旦堆到几十个就得上正则，否则小样本里容易把噪声当规律。
「把逻辑回归函数库当成对比基准来用」
这套逻辑回归实现的核心目的，不是拿去直接对行情做分类预测，而是在 MT5 里跑通函数库，和 GitHub 上那份 Python 版（LogisticRegression-MQL5-and-python）的输出做逐行比对，确认两边数值一致。 附件里 TestScript.mq5 仅 1.69 KB，LogisticRegressionLib.mqh 约 17.79 KB，想验证的人直接把 ZIP 拖进 MT5 的 MQL5/Include 和 Scripts 目录编译即可。 多重回归的练习留给了读者自己，下一篇才会正式用逻辑模型去碰股市崩盘预测的问题。外汇和贵金属杠杆高、回撤快，这类机器学习模块只该当作验证工具，别当成信号源。