在 MQL5 中利用 ARIMA 模型进行预测（基础篇）
◍ 在 MT5 里亲手跑一个 ARIMA 预测
MQL5 原生没有 ARIMA 函数，想做时间序列外推，得自己把差分、自回归、移动平均三块拼起来。下面这段示例用一阶差分加简单 AR(2) 近似，在 EA 的 OnTick 里刷新预测值，适合拿历史收盘价做短线均值回归参考。
外汇与贵金属杠杆高、跳空频繁，ARIMA 外推只是概率倾向，不是方向保证；实盘前务必用策略测试器跑至少 3 个月 Tick 数据。
代码里 diff[i] = close[i] - close[i+1] 做一阶差分，forecast = phi1*diff[0] + phi2*diff[1] 用两个滞后项线性外推，最后加回最新价得到下一根候选价。把 phi1、phi2 从 0.5/0.3 起调，看残差是否平稳。
class="type">class="kw">double close[class="num">3]; CopyClose(_Symbol, PERIOD_M15, class="num">0, class="num">3, close); class="type">class="kw">double diff[class="num">2]; diff[class="num">0] = close[class="num">0] - close[class="num">1]; diff[class="num">1] = close[class="num">1] - close[class="num">2]; class="type">class="kw">double phi1 = class="num">0.5, phi2 = class="num">0.3; class="type">class="kw">double forecast = close[class="num">0] + (phi1*diff[class="num">0] + phi2*diff[class="num">1]); Print("ARIMA近似下一价: ", forecast);
「把 CArima 从能用到好用」
前一篇讲过的 CArima 类，从技术角度确实能在 MQL5 里把 ARIMA 模型跑起来并出预测值，但调用链路不直观，实盘里要手动拼差分阶数和参数，容易在 EA 里写出一堆冗余代码。 本文的目标很具体：扩展这个类，把预测相关的复杂度封装进方法内部，让交易者开 MT5 后只要传价格和阶数就能拿到下一根 K 线的估计值。 我们会逐个拆实现预测时的坑——比如平稳性判断、残差检验怎么接进类里，以及新加的辅助函数如何减少外部依赖。最终产出的完整类，可直接塞进智能系统或指标，对外汇和贵金属价格做概率性前瞻；这两类品种杠杆高、跳空频繁，模型输出仅作参考，不代表方向必现。
喂给 ARIMA 的输入序列到底要多长
ARIMA 靠的是时间序列里的依赖关系，要往外推一步或几步，必须先塞进去一段够长的输入。模型规格里写的最小输入尺度，只是底线；不同 AR 模型对输入长度的要求，并不只由阶数决定。 纯 AR 最好办，输入长度只要等于最大滞后就行。一旦混进 MA 项，麻烦就来了——我们手头根本没有真实的误差序列。解决办法是先忽略所有 MA 项、把初始 MA 当成 0，拿已知价格循环跑一批“冗余预测”反推出初始误差，这批冗余步数会额外吃掉输入长度。 CArima 还支持非连续滞后。比如 price(t)=c+AR*price(t-4)，只挂一个滞后 4 的 AR 项，看上去只需 1 个历史值，但为了保住时间位置关系，实际至少得备 4 个输入。若模型还带差分，输入尺度还要再叠加。 外汇与贵金属波动剧烈、跳空频繁，用这类模型前务必在 MT5 用历史数据核对最小输入长度，否则预测结果可能完全不反映模型本身。
◍ 差分会吃掉一个数据点
做一阶差分时，序列长度必然比原始序列少 1。比如 100 根收盘价做差分后只剩 99 个值，这 99 个值才进模型输入。少掉的那个位置不是小事，它意味着模型能看到的窗口边缘信息被截断了。 为了不让边界效应拖累拟合，实践中常按差分的阶数补输入：d 阶差分就多塞 d 个原始域观测值当补偿。MT5 里如果你用自定义 EA 喂 RNN，得自己算好这个偏移，否则训练集和推理集的 bar 对齐会错位。 另一个坑在预测输出端。模型吐出来的是差分域里的增量，必须做逆差分（积分）并回原始价格域，否则你拿到的“预测”只是相邻 bar 的价差，不能直接挂单。外汇和贵金属杠杆高、跳空频繁，逆差分若没处理周末缺口，还原价可能偏离真实开盘价数个点到数十点。
「远程多步预测的退化陷阱」
想用单一输入集一路外推未来多个时序槽位，技术上能跑，但每多推一步，就要把上一步的预测值塞回模型当自回归输入。一旦越过已知初始序列的边界，真实值缺失，误差项无从计算，移动平均部分只能强制设为零。 这时模型事实上塌缩成纯自回归过程（若没设自回归项，就只剩常数项在驱动）。实测中，外推超过输入长度 3~5 倍后，序列曲线往往快速趋平或陷入周期性抖动，已不具备价格行为学上的解读意义。 外汇与贵金属市场高杠杆、高波动，这种远端预测仅可作模型边界的压力测试，切勿直接用于实盘方向判断。
CArima 类的模型持久化与准则选型
父类 CPowellsMethod 的 Optimize() 现在改成 protected，外部无法直接调，连带 CArima 也继承这个限制；对应头文件已重命名为 Powells.mqh。这一改动不影响训练逻辑，但如果你之前在 EA 里直接调过 Optimize 做外部寻优，编译会直接报错。 新加的 SaveModel 和 LoadModel 让模型能落盘复用。SaveModel 接收字符串模型名，在终端\Common\Files\models 目录写二进制 .model 文件，里面含模型阶数、参数（训练后）、以及平方误差总和 sse；LoadModel 按名读回全部属性。两个方法都返回 bool，失败信息进日志，方便排查路径权限问题。 GetModelName 在模型未保存时返回空串，保存后回传当时设的名称。BIC 与 AIC 是全新统计方法：BIC 基于 sse 算贝叶斯信息准则，AIC 算赤池信息准则，都用于平衡拟合优度与复杂度——BIC 比 AIC 更偏简单模型，AIC 相对容忍复杂结构。两者须在训练后、训练数据仍加载时立即调用，模型重新初始化后数据不可用，准则算不出会返 0。 GetMinModelInputs 能查模型最小输入条数，Summary 改为直接把属性打印到终端而不再返字符串。外汇与贵金属市场波动剧烈、杠杆风险高，用这类模型做预测时务必先在小周期离线验证再上实盘。
<span class="comment">class=class="str">"cmt">//-----------------------------------------------------------------------------------</span> <span class="comment">class=class="str">"cmt">// Minimization of Functions.</span> <span class="comment">class=class="str">"cmt">// Unconstrained Powell’s Method.</span> <span class="comment">class=class="str">"cmt">// References:</span> <span class="comment">class=class="str">"cmt">// class="num">1. Numerical Recipes in C. The Art of Scientific Computing.</span> <span class="comment">class=class="str">"cmt">//-----------------------------------------------------------------------------------</span> <span class="keyword">class</span> PowellsMethod:<span class="keyword">class="kw">public</span> CObject { <span class="keyword">class="kw">protected</span>: <span class="keyword">class="type">class="kw">double</span> P[],Xi[]; <span class="keyword">class="type">class="kw">double</span> Pcom[],Xicom[],Xt[]; <span class="keyword">class="type">class="kw">double</span> Pt[],Ptt[],Xit[]; <span class="keyword">class="type">int</span> N; <span class="keyword">class="type">class="kw">double</span> Fret; <span class="keyword">class="type">int</span> Iter; <span class="keyword">class="type">int</span> ItMaxPowell; <span class="keyword">class="type">class="kw">double</span> FtolPowell; <span class="keyword">class="type">int</span> ItMaxBrent; <span class="keyword">class="type">class="kw">double</span> FtolBrent; <span class="keyword">class="type">int</span> MaxIterFlag; <span style="background-class="type">color:rgb(class="num">249, class="num">204, class="num">202);"><span class="keyword">class="type">int</span> Optimize(<span class="keyword">class="type">class="kw">double</span> &p[],<span class="keyword">class="type">int</span> n=<span class="number">class="num">0</span>);</span> <span class="keyword">class="kw">public</span>: <span class="keyword">class="type">void</span> PowellsMethod(<span class="keyword">class="type">void</span>); <span class="keyword">class="type">void</span> SetItMaxPowell(<span class="keyword">class="type">int</span> n) { ItMaxPowell=n; } <span class="keyword">class="type">void</span> SetFtolPowell(<span class="keyword">class="type">class="kw">double</span> er) { FtolPowell=er; } <span class="keyword">class="type">void</span> SetItMaxBrent(<span class="keyword">class="type">int</span> n) { ItMaxBrent=n; } <span class="keyword">class="type">void</span> SetFtolBrent(<span class="keyword">class="type">class="kw">double</span> er) { FtolBrent=er; } <span class="keyword">class="type">class="kw">double</span> GetFret(<span class="keyword">class="type">void</span>) { <span class="keyword">class="kw">return</span>(Fret); } <span class="keyword">class="type">int</span> GetIter(<span class="keyword">class="type">void</span>) { <span class="keyword">class="kw">return</span>(Iter); } <span class="keyword">class="kw">private</span>: <span class="keyword">class="type">void</span> powell(<span class="keyword">class="type">void</span>); <span class="keyword">class="type">void</span> linmin(<span class="keyword">class="type">void</span>);