用随机森林预测趋势（基础篇）
随机森林怎么在 MT5 里判趋势
随机森林是一类集成决策树模型，用多棵树的投票结果降低单树过拟合风险，常被拿来给价格方向做分类。在 MT5 里跑这类模型，核心是把 K 线特征喂给训练好的分类器，再拿预测标签辅助开平仓判断。 这套思路在 2015 年就有交易者实盘验证过，原帖累计浏览 17 845 次、评论 134 条，说明社区对「非线性模型替人看趋势」的需求一直不低。但外汇与贵金属杠杆高、滑点跳空频繁，模型信号只代表概率倾向，不等于方向必现。 真正能落地的做法，是先取近 N 根 Bar 的收益率、波动、动量做特征，用离线脚本训练森林，再把树结构导出成 MT5 能调用的判断逻辑；下一步才是接 EA 做信号过滤。
「为什么用统计包替你找形态」
建交易系统的底层动机很直接：对货币对报价方向做概率判断，也就是多头或空头哪边占优。传统做法是在图上叠指标，靠人眼去捞重复出现的形态，耗时且容易漏。 R 语言里的 Rattle 包走的是另一条路——它基于 R 的统计环境，能自动扫历史报价、挑出和后续涨跌相关的模式，再拿去跑预测。对外汇、贵金属这类高波动品种，这种自动化筛选只给出倾向性信号，实盘前必须在 MT5 用历史数据回测验证。
◍ Rattle 在价格预测里的位置
做货币对价格行为预测，R 本身是理想工具，但它的预测函数散落在大量基础包里，统计老手都未必顺手，普通交易者更不易上手。Rattle 把这一系列 R 包集成到一个界面里，开发者不必先精通 R 语法也能跑出策略雏形，这点对快速验证想法很关键。 不过要注意，Rattle 只是降低门槛，不是免学 R。它导出的分析脚本本质是 R 代码，要拿去接 MT5 做实盘系统，还是得能读会改这些脚本。 Rattle 本身是开源包（Williams, 2009；隶属 R 项目，R 开发小组 2011），核心用 C 写，源码无使用限制。新手能直接看各种策略想法的回测结果，资深者则可扒源码扩展。外汇与贵金属杠杆高，任何由它生成的策略都先在模拟环境跑够样本再谈实盘。
用 ZigZag 给历史 K 线打多空标签
这批实验锁定 EURUSD、GBPUSD、USDCHF、USDJPY、EURGBP、USDCAD 六个直盘与交叉盘，取 H1 收盘价，样本窗从 2011.01.10 到 2013.12.24，合计 18083 根 K 线。原始报价落在 kot60_110101_131231_UA.txt，量够大，拿来搜模式不至于被少数极端棒线带偏。 趋势交易的痛点在于：你真正想做的是「下一根买还是卖」，但报价模型给的是「下一根价格多少」。回归模型算未来值，聚类模型只判归属——本例走聚类，目标变量只有两个定性类：多=1、空=-1（或 0），它们之间没有大小可比性，只是编码方便。 历史里标趋势最省事的是 ZigZag，反转间距设 0.0035，把指标值翻成多/空两类。它实时会重绘前极点，所以只配用在静态历史。图 1 画原指标、图 2 画分类后的样子。 关键一步：把 ZigZag 整体左移 1 根，让当前 K 线对齐「未来 1 根」的趋势类。本文平移 1 根即预测 1 小时后方向；分类模型不累积误差，预 2 根有它自己的错率，和预 1 根互不传染。 独立变量（预测器）同样重要，模型成败大半压在这。源文件里六币种的报价、时间、日期都能用；时间拆成 24 类小时、日期拆成 5 类星期，隐藏的周期性能被分类器自动抓。额外叠了 MA(5/10/15)、MACD(12,26,9)、RSI(14/21/28)、报价增量与移动平均，全施于六币种。ZigZag 只当辅助不进训练，因为右端未知。最终 88 个独立变量 + 1 目标 + 1 辅助，每列 18083 行，存成 R 工作空间 TC.RData。 进 R 后载 Rattle，切到 File/Workspace 标签页指到 TC.RData 就能直接喂模型，不必重跑前面那堆转换。