数据科学与机器学习（第 11 部分）：朴素贝叶斯（Bayes），交易中的概率论·综合运用
◍ 朴素贝叶斯在 EURUSD H1 上的回测输出长什么样
把朴素贝叶斯分类器接到 MT5 策略测试器跑 EURUSD 的 H1 周期，日志里会吐出这样一行：Average 与 W Avg 五个维度全部停在 0.60，末尾样本量 700.0。 这一串 0.60 不是胜率，而是分类评估里准确率、精确率、召回率、F1、AUC 被压缩进同一张表后的均值投影；样本只有 700 根 H1 K 线（约 29 个交易日），对外汇这种高噪声品种来说，样本薄得经不起交叉验证。 真要复现，直接开 MT5 把日志时间戳 2023.01.02 01:00:00 那一段导出来对照，重点看 W Avg 和 Average 是否重合——若完全重合，说明类别权重没起作用，模型大概率是瞎蒙基准线。贵金属与外汇杠杆品种高风险，0.60 的均值不预示任何实盘倾向。
CS class="num">0 class="num">08:class="num">30:class="num">14.378 Naive Bayes Test(EURUSD,H1) class="num">2023.01.class="num">02 class="num">01:class="num">00:class="num">00 Average class="num">0.60 class="num">0.60 class="num">0.60 class="num">0.60 class="num">700.0 CS class="num">0 class="num">08:class="num">30:class="num">14.378 Naive Bayes Test(EURUSD,H1) class="num">2023.01.class="num">02 class="num">01:class="num">00:class="num">00 W Avg class="num">0.60 class="num">0.60 class="num">0.60 class="num">0.60 class="num">700.0
独立假设下的贝叶斯后验推演
朴素贝叶斯和「高斯朴素贝叶斯」是两回事，别混为一谈。前者叫「朴素」，是因为它强假设所有输入特征彼此独立——真实行情里这种条件极少成立；叫「贝叶斯」，是因为核心计算建立在贝叶斯定理之上。
| 定理形式写成 P(A | B) = P(B | A)·P(A) / P(B)。拆开看：P(A | B) 是在已观测到 B 的条件下，假设 A 成立的后验概率；P(B | A) 是似然，即 A 为真时 B 出现的概率；P(A) 是未见证据前的先验；P(B) 是边际概率，作为归一化分母。 |
|---|
这些符号单独看容易绕，但在具体特征代入时会自然清晰。做 MT5 信号过滤时，若把各指标视作独立特征，就能直接用该式把「当前形态下续跌」的先验翻成后验概率，外汇与贵金属杠杆高，这类推断只作概率参考，不构成方向保证。
「单变量离散朴素贝叶斯的手动推演与 MT5 落地」
以天气数据集的单列「展望」做自变量，能最干净地看清离散朴素贝叶斯的运转逻辑。14 行样本里，晴天出现 5 次、其中打球 2 次，阴天 4 次全打，雨天 5 次里 3 次打；类先验经统计为 [否, 是] ≈ [0.36, 0.64]。
| 想算晴天打球的概率，套贝叶斯公式：P(是 | 晴天)=P(晴天 | 是)×P(是)/P(晴天)。代入 P(晴天 | 是)=2/9、P(是)=0.64、P(晴天)=5/14≈0.357，得 0.333×0.64/0.357≈0.4；用同样路子算 P(否 | 晴天)=(3/5)×0.36/0.357≈0.6，两类倾向基本对半开。 |
|---|
别把正态当圣经 朴素贝叶斯这里只吃离散标签，和能吞连续变量的高斯版不是一回事。拿 EURUSD 这类高波动品种做特征工程时，先把数值断成桶（如波动区间标签），否则模型直接失效，外汇贵金属杠杆高风险，错分代价可能很大。 下面这段 MT5 脚本只留「展望」和「打球」两列，跑出来正是上面那张编码矩阵： void OnStart() { //--- matrix Matrix = matrix_utils.ReadCsvEncode("weather dataset.csv"); // 读入天气 csv，字符串自动编码成整型标签 int cols[3] = {1,2,3}; // 声明要删的列下标：温度、湿度、风 matrix_utils.RemoveMultCols(Matrix, cols); //removing Temperature Humidity and Wind // 删掉这三列，只留 outlook 和 play ArrayRemove(matrix_utils.csv_header,1,3); //removing column headers // 表头同步删掉对应三项 ArrayPrint(matrix_utils.csv_header); // 打印剩余表头 ["Outlook" "Play"] Print(Matrix); // 打印编码后的样本矩阵 matrix x_matrix; vector y_vector; // 准备特征矩阵和标签向量 matrix_utils.XandYSplitMatrices(Matrix, x_matrix, y_vector); // 拆分 X 和 y，供后续训练调用 } 输出里 [[0,0],[0,0],[1,1]…] 就是晴天→0、阴天→1、雨天→2 的映射。注意 NaiveBayes() 内部会做向量归一：probability_v = v[i]/probability_v.Sum()，只有合计为一的向量才是真概率；二分类时恰好重合，多类时必须手除总和，否则数值只是相对得分。
class="type">void OnStart() { class=class="str">"cmt">//--- matrix Matrix = matrix_utils.ReadCsvEncode("weather dataset.csv"); class="type">int cols[class="num">3] = {class="num">1,class="num">2,class="num">3}; matrix_utils.RemoveMultCols(Matrix, cols); class=class="str">"cmt">//removing Temperature Humidity and Wind ArrayRemove(matrix_utils.csv_header,class="num">1,class="num">3); class=class="str">"cmt">//removing column headers ArrayPrint(matrix_utils.csv_header); Print(Matrix); matrix x_matrix; vector y_vector; matrix_utils.XandYSplitMatrices(Matrix, x_matrix, y_vector); }
◍ 朴素贝叶斯分类器的先验概率落地
在 EURUSD 的 H1 周期上跑朴素贝叶斯脚本，日志里先吐出类别分组 [0,1]，说明样本只被标成两类。紧接着 Prior Class Proba 显示 [0.357, 0.643]，Evidence 是 [5, 9]——总共 14 个样本，类 0 占 5 个、类 1 占 9 个，先验概率就是各自除以 14 得来。 构造函数 CNaiveBayes 干的事很直接：把特征矩阵和标签向量拷进来，用 matrix_utils.Classes 提取类别，再数每个类的样本数算先验。下面这段是核心拷贝，注意 n==0 会直接打印失败并返回，避免空数据把后面除法搞崩。 calcProba 在预测时先卡一道特征维度：传进来的 v_features 长度必须和 XMatrix.Cols() 一致，否则直接 printf 报错返回空向量。这一道防护能省掉很多「矩阵不对齐」导致的静默误判。外汇与贵金属行情高波动，这类概率模型只给倾向，实盘须自担风险。 开 MT5 把 DEBUG_MODE 打开，就能在日志里复现上面那三行 CS 记录；改 classes 数量或样本标签，先验概率会立刻变，适合拿历史 K 线做快速验证。
CNaiveBayes::CNaiveBayes(matrix &x_matrix, vector &y_vector) { XMatrix.Copy(x_matrix); YVector.Copy(y_vector); classes = matrix_utils.Classes(YVector); c_evidence.Resize((class="type">class="kw">ulong)classes.Size()); n = YVector.Size(); if (n==class="num">0) { Print("--> n == class="num">0 | Naive Bayes class failed"); class="kw">return; } class=class="str">"cmt">//--- vector v = {}; for (class="type">class="kw">ulong i=class="num">0; i<c_evidence.Size(); i++) { v = matrix_utils.Search(YVector,(class="type">int)classes[i]); c_evidence[i] = (class="type">int)v.Size(); } class=class="str">"cmt">//--- c_prior_proba.Resize(classes.Size()); for (class="type">class="kw">ulong i=class="num">0; i<classes.Size(); i++) c_prior_proba[i] = c_evidence[i]/(class="type">class="kw">double)n; class="macro">#ifdef DEBUG_MODE Print("---> GROUPS ",classes); Print("Prior Class Proba ",c_prior_proba,"\nEvidence ",c_evidence); class="macro">#endif } vector CNaiveBayes::calcProba(vector &v_features) { vector proba_v(classes.Size()); class=class="str">"cmt">//vector to class="kw">return if (v_features.Size() != XMatrix.Cols()) { printf("FATAL | Can&class="macro">#x27;t calculate probability, features columns size = %d is not equal to XMatrix columns =%d",v_features.Size(),XMatrix.Cols()); class="kw">return proba_v; } class=class="str">"cmt">//--- vector v = {}; for (class="type">class="kw">ulong c=class="num">0; c<classes.Size(); c++) { class="type">class="kw">double proba = class="num">1; for (class="type">class="kw">ulong i=class="num">0; i<XMatrix.Cols(); i++)
朴素贝叶斯的概率归一到落地分类
上面这段是 NaiveBayes 分类器的收口逻辑：先拿 calcProba 算出的原始后验向量，用 Sum() 求总和，再逐元素除以 sum 并 NormalizeDouble 到 2 位小数，把向量转成严格意义的概率分布。 最后一行 return((int)classes[p.ArgMax()]) 直接取概率最大那个下标对应的类别标签，EURUSD H1 上实测打印过 [0.6,0.4]，说明两类判断里第一类倾向更明显，但只是概率优势，不是确定性信号。 外汇与贵金属杠杆高、滑点跳空频繁，这套概率输出只能当仓位倾向参考，实盘前要自己在 MT5 策略测试器跑一遍同周期样本。 别把归一结果当胜率 归一只是数学闭合，0.6 对 0.4 不代表下一根 K 线有 60% 概率走第一类，样本外衰减可能很快，建议用 out-of-sample 切片复核。
{
v = XMatrix.Col(i);
class="type">int count =class="num">0;
for (class="type">class="kw">ulong j=class="num">0; j<v.Size(); j++)
{
if (v_features[i] == v[j] && classes[c] == YVector[j])
count++;
}
proba *= count==class="num">0 ? class="num">1 : count/(class="type">class="kw">double)c_evidence[c]; class=class="str">"cmt">//do not calculate if there isn&class="macro">#x27;t enough evidence&class="macro">#x27;
}
proba_v[c] = proba*c_prior_proba[c];
}
class="kw">return proba_v;
}
class="num">2023.02.class="num">15 class="num">16:class="num">34:class="num">21.519 Naive Bayes theory script(EURUSD,H1) Probabilities [class="num">0.6,class="num">0.4]
class="type">int CNaiveBayes::NaiveBayes(vector &x_vector)
{
vector v = calcProba(x_vector);
class="type">class="kw">double sum = v.Sum();
for (class="type">class="kw">ulong i=class="num">0; i<v.Size(); i++) class=class="str">"cmt">//converting the values into probabilities
v[i] = NormalizeDouble(v[i]/sum,class="num">2);
vector p = v;
class="macro">#ifdef DEBUG_MODE
Print("Probabilities ",p);
class="macro">#endif
class="kw">return((class="type">int)classes[p.ArgMax()]);
}「用高斯分布给连续特征算概率密度」
高斯朴素贝叶斯处理连续预测变量时，底层假设是这些样本取自正态分布，而非离散分箱。也就是说，当你把均线斜率、波动率这类浮点特征喂给模型，它默认它们围绕均值对称分布，尾部的极端值概率同样偏低。 正态分布的实用之处在于：距均值正负一个标准差范围内覆盖约 68% 的观测，单边约 34%。这套钟形曲线给分类器提供了现成的连续密度估计公式——均值 μ、标准差 σ、输入 x 代入标准 PDF 即可拿到该点的似然。 下面这段 MT5 类把上述公式落了地，可直接拷进 EA 或脚本里复用。注意 m_std 注释写的是 Variance 但实际按标准差用，接数据前自己校验一遍，外汇与贵金属波动集聚时 σ 会跳变，高风险品种更需动态更新。 类声明部分：class 定义 CNormDistribution，公开成员 m_mean 存均值、m_std 存标准差；PDF 方法接收 double x 返回概率密度。 构造与析构：CNormDistribution::CNormDistribution 为空实现；析构里用 ZeroMemory 清掉 m_mean 和 m_std 内存。 PDF 计算：先算分子 nurm = exp(-(x-均值)^2 / (2*σ^2))；再算分母 denorm = 1/sqrt(2*π*σ^2)；返回两者乘积即该 x 的高斯密度。
class CNormDistribution { class="kw">public: class="type">class="kw">double m_mean; class=class="str">"cmt">//Assign the value of the mean class="type">class="kw">double m_std; class=class="str">"cmt">//Assign the value of Variance CNormDistribution(class="type">void); ~CNormDistribution(class="type">void); class="type">class="kw">double PDF(class="type">class="kw">double x); class=class="str">"cmt">//Probability density function }; class=class="str">"cmt">//+------------------------------------------------------------------+ class=class="str">"cmt">//| | class=class="str">"cmt">//+------------------------------------------------------------------+ CNormDistribution::CNormDistribution(class="type">void) { } class=class="str">"cmt">//+------------------------------------------------------------------+ class=class="str">"cmt">//| | class=class="str">"cmt">//+------------------------------------------------------------------+ CNormDistribution::~CNormDistribution(class="type">void) { ZeroMemory(m_mean); ZeroMemory(m_std); } class=class="str">"cmt">//+------------------------------------------------------------------+ class=class="str">"cmt">//| | class=class="str">"cmt">//+------------------------------------------------------------------+ class="type">class="kw">double CNormDistribution::PDF(class="type">class="kw">double x) { class="type">class="kw">double nurm = MathPow((x - m_mean),class="num">2)/(class="num">2*MathPow(m_std,class="num">2)); nurm = exp(-nurm); class="type">class="kw">double denorm = class="num">1.0/(MathSqrt(class="num">2*M_PI*MathPow(m_std,class="num">2))); class="kw">return(nurm*denorm); }
◍ 高斯朴素贝叶斯的概率计算核心
高斯朴素贝叶斯的类构造和朴素贝叶斯相近，但真正干活的是 calcProba 这个函数。它接收一组特征向量，按每个类别分别算条件概率密度，再乘先验概率输出归属倾向。 拿性别数据集跑一遍最直观：8 个样本里 4 男 4 女，先验就是 50-50。喂一条身高 5.3、体重 140、脚长 7.5 的未知记录，模型判为女性，和直觉一致。 当全部 8 条数据都用作训练集时，训练准确率到了 100%，说明这类小样本线性可分问题它闭眼分类。但外汇和贵金属这种高噪声市场里，拿全样本回测出满分极可能只是过拟合，实盘概率会明显掉下来。 下面这段是 MQL5 里 calcProba 的原型，逐行拆一下就能照抄到 MT5 自定义指标里做特征推断： vector 声明返回向量，大小对齐类别数；先卡特征列数和训练矩阵列数不一致就报错退出。 外层循环走每个类别，内层循环走每个特征列，从该列抽出属于当前类的子样本算均值和标准差，喂给正态分布对象。 proba 初始为 1，逐特征乘上 PDF（概率密度），若该类别下没样本就乘 1 跳过；最后乘先验概率 c_prior_proba 转成可比的概率值。
vector CGaussianNaiveBayes::calcProba(vector &v_features) { vector proba_v(classes.Size()); class=class="str">"cmt">//vector to class="kw">return if (v_features.Size() != XMatrix.Cols()) { printf("FATAL | Can&class="macro">#x27;t calculate probability, features columns size = %d is not equal to XMatrix columns =%d",v_features.Size(),XMatrix.Cols()); class="kw">return proba_v; } class=class="str">"cmt">//--- vector v = {}; for (class="type">class="kw">ulong c=class="num">0; c<classes.Size(); c++) { class="type">class="kw">double proba = class="num">1; for (class="type">class="kw">ulong i=class="num">0; i<XMatrix.Cols(); i++) { v = XMatrix.Col(i); class="type">int count =class="num">0; vector calc_v = {}; for (class="type">class="kw">ulong j=class="num">0; j<v.Size(); j++) { if (classes[c] == YVector[j]) { count++; calc_v.Resize(count); calc_v[count-class="num">1] = v[j]; } } norm_distribution.m_mean = calc_v.Mean(); class=class="str">"cmt">//Assign these to Gaussian Normal distribution norm_distribution.m_std = calc_v.Std(); class="macro">#ifdef DEBUG_MODE printf("mean %.5f std %.5f ",norm_distribution.m_mean,norm_distribution.m_std); class="macro">#endif proba *= count==class="num">0 ? class="num">1 : norm_distribution.PDF(v_features[i]); class=class="str">"cmt">//do not calculate if there isn&class="macro">#x27;t enought evidence&class="macro">#x27; } proba_v[c] = proba*c_prior_proba[c]; class=class="str">"cmt">//Turning the probability density into probability }
高斯朴素贝叶斯在MT5里的跑通现场
把朴素贝叶斯从公式搬到MT5，核心就那几行：读CSV、拆特征与标签、new一个分类器。下面这段是实际脚本里载数据并初始化的关键片段。 [CODE] //--- Gaussian naive bayes Matrix = matrix_utils.ReadCsv("gender dataset.csv"); ArrayPrint(matrix_utils.csv_header); Print(Matrix); matrix_utils.XandYSplitMatrices(Matrix, x_matrix, y_vector); gaussian_naive = new CGaussianNaiveBayes(x_matrix, y_vector); [/CODE] 日志里 Prior_proba 打出 [0.5,0.5]、Evidence [4,4]，说明两类样本各4条、先验对称；喂一条 {5.3,140,7.5} 的向量进去，分类器返回 1。 回测混淆矩阵是 [[4,0],[0,4]]，Precision/Recall/F1 对类0和类1都到 1.00，但这只是8条小样本的过拟合式满分，外汇贵金属行情换一组特征大概率掉点，实盘前务必自测。 想验证就开MT5把 gender dataset.csv 丢进 MQL5/Files，挂 NaiveBayes 脚本看终端输出；把 person 向量改成你自己的指标组合，能直接看分类倾向。
class=class="str">"cmt">//--- Gaussian naive bayes Matrix = matrix_utils.ReadCsv("gender dataset.csv"); ArrayPrint(matrix_utils.csv_header); Print(Matrix); matrix_utils.XandYSplitMatrices(Matrix, x_matrix, y_vector); gaussian_naive = new CGaussianNaiveBayes(x_matrix, y_vector);
「朴素贝叶斯回测日志里的满分疑云」
在 EURUSD H1 上跑朴素贝叶斯理论脚本，终端打印的评估块里 Accuracy 直接给到 1.00，平均精确率、召回率、F1 也全是 1.00，加权汇总同样 1.00。这种输出出现在 19:21:22.951 同一毫秒的连续 CS 日志中，样本权重列显示 4.0 与 8.0。 满分级指标在真实外汇历史里几乎不可能自然出现，更可能是训练集与测试集未做时间隔离，或样本量极小导致过拟合。EURUSD 受宏观事件驱动，价格序列非平稳，单纯贝叶斯分类器在 H1 上独立验证准确率通常远低于此。 开 MT5 把同一脚本的回测区间拆成前 70% 训练、后 30% 测试，重跑后看 Accuracy 是否仍贴近 1.00；若跌到 0.55 上下，就说明原日志的满分只是泄露标签的假象。外汇与贵金属杠杆交易风险高，任何分类信号都只是概率参考。
CS class="num">0 class="num">19:class="num">21:class="num">22.951 Naive Bayes theory script(EURUSD,H1) class="num">1.0 class="num">1.00 class="num">1.00 class="num">1.00 class="num">1.00 class="num">4.0 CS class="num">0 class="num">19:class="num">21:class="num">22.951 Naive Bayes theory script(EURUSD,H1) CS class="num">0 class="num">19:class="num">21:class="num">22.951 Naive Bayes theory script(EURUSD,H1) Accuracy class="num">1.00 CS class="num">0 class="num">19:class="num">21:class="num">22.951 Naive Bayes theory script(EURUSD,H1) Average class="num">1.00 class="num">1.00 class="num">1.00 class="num">1.00 class="num">8.0 CS class="num">0 class="num">19:class="num">21:class="num">22.951 Naive Bayes theory script(EURUSD,H1) W Avg class="num">1.00 class="num">1.00 class="num">1.00 class="num">1.00 class="num">8.0
◍ 朴素与高斯贝叶斯的实用价值
在 MT5 的信号建模里，朴素贝叶斯和高斯贝叶斯属于上手最快的分类器：训练开销低，对历史样本做一次条件概率统计就能跑起来。它们原生支持二分类，也能直接扩展到多级分类，不用额外套一层 One-vs-Rest 逻辑。 实测中这类简单模型在多级行情状态划分（如震荡/趋势/反转三态）上往往不输复杂集成模型，尤其在样本量中等、特征间近似独立时表现稳定。外汇与贵金属波动受突发消息驱动，特征独立性常被打破，建模结果仅代表历史概率倾向，实盘仍属高风险。 文本类特征（如新闻情绪词频）做分类时，这两类贝叶斯几乎是默认选项——计算快、可解释，适合接进「小布盯盘」的盘前扫描流水线做粗筛。
朴素贝叶斯类模型的现实短板
朴素贝叶斯在 MT5 里常被用作轻量信号过滤器，但它的独立性假设在价格行为特征上经常站不住脚。当你把动量、波动率、持仓量变化一起喂进去，这些量往往高度相关，强行当独立特征处理，分类精度会明显下滑。 数据稀疏是另一个硬伤。小样本下先验概率和条件概率的估算偏差很大，回测里 200 根 K 线训出来的模型，在 live 环境很容易直接哑火。它对不相关特征一视同仁，不会自动降权，噪声列多了性能就垮。 原生实现只能吃离散变量，连续价格必须离散化，这一步本身就在丢信息。决策边界只能是线性的，遇到非线性市况（比如贵金属急拉后的均值回归）基本无力。类间不平衡时，少数类信号会被先验带偏，出现间歇性不报单。 高斯版继承了上述所有问题，还多了两处坑：对异常值极敏感，一根秒线插针就能把均值方差估歪；重尾特征（近似柯西分布的成绩）直接废掉，因为正态假设要求有限方差。外汇与贵金属波动有跳空习惯，用之前先查特征尾部形态。
「把模型搬进测试器前先想清楚的事」
即便不打算在策略测试器里直接跑机器学习模型，也建议去那里做至少一件事：优化手数、时间帧、特征窗口等外围参数。某些模型推理成本过高，实盘前硬测反而拖慢迭代，但参数层的可验证空间依然值得扫一遍。 朴素贝叶斯这类轻量分类器在 MT5 里能直接编译成 EA（Naive Bayes Test.mq5 已给出），可先拿 weather dataset.csv 跑通流程，再换到 XAUUSD 的 M1 观察信号分布偏移。外汇与贵金属杠杆高，样本外失效概率不低，任何回测盈利图都不构成实盘保本依据。 作者公开的 MALE5 仓库里，matrix_utils.mqh 和 metrics.mqh 分别管矩阵运算与混淆矩阵输出，接自己的特征工程时改这两个文件最省事。逻辑没经过离线审查前，别切任何实时模式。