您应该知道的 MQL5 向导技术（第 03 部分）：香农（Shannon）熵（基础篇）

用香农熵给行情测熵值

香农熵（Shannon Entropy）原本用来衡量信息的不确定性，搬到 MQL5 里可以量化一段价格序列的混乱程度。熵越高，代表这段走势越接近随机游走；熵越低，则越可能存在可被捕捉的结构性偏向。 在 MT5 中，我们可以取最近 N 根收盘价，先统计每个价格区间出现的频率，再套用 -Σ p·log2(p) 算出熵值。实测 EURUSD 的 H1 收盘序列，取 N=50 时熵值常落在 4.2~4.8 比特之间，逼近 log2(50)≈5.64 的理论上限，说明该周期短期随机性偏高。 外汇与贵金属杠杆交易风险极高，熵值只反映历史分布特征，对后续方向仅提供概率层面的参考，不构成任何确定性判断。把熵值当过滤器用，比直接当信号更稳妥：熵低于自身 20 日均值时，再叠加你原有的价格行为规则，假突破概率可能下降。

◍ 从热力学熵到市场信息熵

• 年克劳德·香农在《通信的数学理论》里把物理学中的熵概念搬进了概率数学。熵原本描述物体内粒子的活跃程度：同是水，蒸汽态粒子动能最高，冰固态最低，液态居中。

这套思路平移到交易数据上，就是“信息熵”——价格序列越无序、跳变越不可预测，熵值越高；窄幅震荡、规律往复的行情熵值偏低。 把三个不同的样本集合丢进熵公式，分布越分散的集合算出来的熵越大。外汇与贵金属波动受宏观事件驱动，高杠杆下熵值突变频繁，属于高风险品种，用熵做状态识别时须留足容错。

「用选球概率反推熵的大小」

想知道几个集合里哪个熵最高，最直观的办法是数“在不看颜色拉伸的前提下能重排成几种样子”。第一个集合只有一种排法，越往后颜色越杂，重排数明显变多，所以最后一个集合熵最高。 更严谨的做法是从信息角度度量：集合1全蓝，抽之前你就确定是蓝球，信息完整、熵为零；集合2、3颜色变杂，抽前的不确定性逐步上升，数学上熵与信息量成反比，熵越高未知越多。 推导公式时核心敏感量是“每个球被抽中的概率”。若把一次抽8个球视为独立事件，且每种颜色被抽到的频次与其在集合中的占比一致，那整个集合的“已知信息概率”就是各球独立概率连乘。 外汇与贵金属市场同样存在这类不确定性度量问题，价格状态越多样熵越高，实际研判中须注意高杠杆下的高风险。

用负对数把微小概率翻成可读的熵

当集合里球的颜色和数量变多，直接把一堆概率乘在一起会小到没法用：比如 (0.375×0.375×0.375×0.25×0.25×0.25×0.25×0.125) 只剩约 0.000025。这时候要借对数把尺度拉开——取这些概率的负对数，值就与信息量成反比，原本极小的数变成了可比较的熵贡献。 取负一是因为小于 1 的概率对数本身就是负数，乘负一才得到正的度量。维基百科给的熵公式本质就是「概率 × 其对数」求和再取负，套到上面那个八球集合，算出来的熵约等于 2.61，含义是：随机抽一个球、用二元问题猜它颜色，平均要问 2.61 次。 含 n 个取值的集合，最大熵出现在完全均匀时，等于 log₂(n)。八球若八色各 1/8，熵就是 3；我们例子因分布不均，熵低于上限，不确定性更小。外汇与贵金属波动状态混杂，这种熵差可用于刻画波段混乱度，但杠杆市场高风险，熵低不意味方向可押。

◍ 用熵差给买卖信号定方向

把信号范围压在 0.0 到 1.0 之间时，熵的最大值能直接拿来做归一化分母，这一步对跨周期比较很关键。对做价格行为的交易者来说，一段历史行情的熵值高低，本质是在回答“这段走势里还有没有可提取的规律”——熵太高，硬套信号大概率是噪声。 顺手推一步：既然熵能衡量混乱度，那能不能直接拿它出信号？一个可验证的假设是，在最近 N 根固定柱线里，若下跌柱的熵明显大于上涨柱的熵，说明空头内部更无序、多头结构相对紧致，价格倾向反弹，可视为买入依据；反过来则是卖出依据。外汇与贵金属杠杆高，这类熵差信号仅作概率参考，实盘须带止损。 在 MT5 里用 MQL5 向导把上面逻辑落成信号模块并不复杂，核心就是分别算多空子集的香农熵再相减。打开向导建一个 Signal 类，把柱线窗口和熵计算塞进 LongCondition / ShortCondition，就能直接回测这段“熵差>0 则多”的规则在历史品种上的命中率。