在 MT5 里跑通 CatBoost 量化雏形
在 MT5 里跑通 CatBoost 量化雏形
把机器学习塞进 MetaTrader 5，最先卡住的不是模型而是数据管道。MQL5 本身不内置梯度提升库，所以实际落地时通常要在 Python 侧用 CatBoost 训好模型，再透过 socket 或文件桥接把预测结果喂回 EA。 下面这段是官方示例里抽出来的特征拼装片段，它在每根新 K 线收盘后把 OHLC 与成交量归一化后写入缓冲区，供后续推理调用。注意 iClose 取的是已闭合柱，避免未来函数。 [CODE]double GetFeature(int shift) { double close=iClose(_Symbol,_Period,shift); double open=iOpen(_Symbol,_Period,shift); double diff=close-open; return diff/(_Point*10.0); }[/CODE] 逐行看：函数入参 shift 是柱偏移，0 为当前未闭、1 为最近已闭；iClose/iOpen 拿对应柱的收开盘；diff 算实体长度；最后除以 _Point*10 做粗略缩放，把价格差压到个位数区间，方便跨品种比较。 外汇与贵金属杠杆高、滑点跳空频繁，这类特征若直接用于实盘，必须先在历史数据上做 walk-forward 验证，否则过拟合信号在样本外会快速衰减。
class="type">class="kw">double GetFeature(class="type">int shift) { class="type">class="kw">double close=iClose(_Symbol,_Period,shift); class="type">class="kw">double open=iOpen(_Symbol,_Period,shift); class="type">class="kw">double diff=close-open; class="kw">return diff/(_Point*class="num">10.0); }
「量化建模前的术语与范围界定」
这篇技术文不堆数学公式，重点放在树模型量化构建的理论落地。写的时候作者发现各家文献术语混乱，于是沿用自己在 CatBoost 入门文中定义的叫法，没覆盖到的地方自己补术语，建议先读那篇再回头看本篇。 外汇与贵金属市场高波动、高杠杆，任何模型量化都只是降低计算开销的手段，不预示方向胜负。 本文明确不碰训练后神经网络的量化压缩，因为作者本人没实操过，不拿空结论误导。 读者能期待的三块：第一部分讲量化目标和本质；第二部分用 MQL5 代码拆均匀量化；第三部分以 CatBoost 为例看量化怎么接进树模型。打开 MT5 代码库，先搜 CatBoost 相关文章预热，能省掉后面啃代码的成本。
◍ 把连续行情压成可算的离散网格
做量化模型前先得有样本：把能解释目标（比如交易信号）的信息按发生频率逐行收集，全部数据构成样本。金融市场拿到的几乎都是非代表性样本——还没发生的事不可能进表，所以只能赌“历史会重演”，指望新事件和旧事件在概率上相似。 预测因子的数值按测量尺度分四类：二元（有/无某属性）、定量（速度、坐标、时间间隔等可度量值）、范畴（用整数标一周几天、趋势方向）、等级（顺序或优先级，常并入其他类）。本文后面主要啃分类目标，尤其是二元目标。 MQL5 里你看到的蜡烛图，本质就是时间流上的量化结果。终端只在交易时段出收盘价，非交易日采样率直接掉到零——这提醒我们采样频率本身可以是某个算法阈值激活时才触发，不是死板定时。 最简单的量化算法是直方图：找预测因子极值、算差值、除以整数得步长、建立新尺度、把每笔观测塞进对应区间并计数。10 等分或按 Karl Pearson 建议的观测数定步长都行。跑完就得到量子网格（字典），两个能级之间我习惯叫“量子段”，其他文献也叫区间或量化步长。 压缩后有两种常见编码：给观测值发一个区间序号（秩），或用区间右边界值替代原值。前者能容纳网格外的新数据，后者超出边界就丢，得在远处补级别防尖峰。精度损失可沿区间中心或右边界去量化还原，首尾区间边界缺失时用平均宽度估。 量化按建级方式分：定间隔（固定步长、砍位数）、变间隔（固定百分比累积、理论分布下面积、函数拉伸步长、密度加权、迭代自适应）、经验区间（数字序列、语义分组、手动标）。评估误差用相对于预测因子全值范围的平均百分比误差最直观，开 MT5 随便拽个指标算一遍直方图就能验证。
把 double 压成 uchar：MT5 里的量化落地
把 8 字节的 double 逐步量化进 8 位的 uchar，核心是先找输入数组 arr_in_Data 的 Max 与 Min，再算窗口 Delta = Max - Min，除以分隔符数 nQ 得到 Interval_Size。质心边界由相邻质心距离的一半锁定，这才是区间真实宽度，而非简单等分。
| 误差量化步骤中，先平移最小值到零，再除以 Interval_Size（注意间隔数比分隔符多 1），对结果跑 round 取整存入 arr_Output_Q_Interval；反推时乘回 Interval_Size 加 Min，落进 arr_Output_Q_Data。累计误差用 | 原值-量化值 | / 全距 求和后除以样本数，外汇与贵金属 tick 噪声大，这套能削掉代理丢包和舍入带来的毛刺，但杠杆品种高风险仍在，量化只是降噪不是去风险。 |
|---|
实测里 Q_Trans 脚本随机边界跑 1000 次找最优分割，默认设置下日志显示随机法重构偏移优于均匀量化。附带的 Q_Bit 是编码主函数，Book_to_cfra 系列做沿质心或右边界的去量化，样本分组策略建议单区间至少落 5% 观测，否则模型外推会漂。 下面这段 Q_Bit 函数可直接抄进 MT5 脚本改 N_Intervals 验证：
class="type">class="kw">double Q_Bit( class="type">class="kw">double &arr_Input_Data[],class=class="str">"cmt">//Quantization data array class="type">int &arr_Output_Q_Interval[],class=class="str">"cmt">//Outgoing array with intervals containing data class="type">class="kw">double &arr_Output_Q_Data[],class=class="str">"cmt">//Outgoing array with restored values of the original data class="type">float &arr_Output_Q_Book[],class=class="str">"cmt">//Outgoing array - Book with boundaries or Quantization table class="type">int N_Intervals=class="num">2,class=class="str">"cmt">//Number of intervals the original data should be divided(quantized) into class="type">bool Use_Max_Min=false,class=class="str">"cmt">//Use/do not use incoming maximum and minimum values class="type">class="kw">double Min_arr=class="num">0.0,class=class="str">"cmt">//Maximum value class="type">class="kw">double Max_arr=class="num">100.0class=class="str">"cmt">//Minimum value ) { if(N_Intervals<class="num">2)class="kw">return -class="num">1;class=class="str">"cmt">//There may be at least two intervals, in this case, there is one separator class=class="str">"cmt">//---class="num">0. Initialize the variables and copy the arr_Input_Data array class="type">class="kw">double arr_In_Data[]; class="type">class="kw">double Max=class="num">0.0;class=class="str">"cmt">//Maximum class="type">class="kw">double Min=class="num">0.0;class=class="str">"cmt">//Minimum class="type">int Index_Max=class="num">0;class=class="str">"cmt">//Maximum index in the array class="type">int Index_Min=class="num">0;class=class="str">"cmt">//Minimum index in the array class="type">class="kw">double Delta=class="num">0.0;class=class="str">"cmt">//Difference between maximum and minimum class="type">int nQ=class="num">0;class=class="str">"cmt">//Number of separators(borders) class="type">class="kw">double Interval_Size=class="num">0.0;class=class="str">"cmt">//Interval size class="type">int Size_arr_In_Data=class="num">0;class=class="str">"cmt">//arr_In_Data array size class="type">class="kw">double Summ_Error=class="num">0.0;class=class="str">"cmt">//To calculate error/data loss nQ=N_Intervals-class="num">1;class=class="str">"cmt">//Number of separators Size_arr_In_Data=ArrayCopy(arr_In_Data,arr_Input_Data,class="num">0,class="num">0,WHOLE_ARRAY); ArrayResize(arr_Output_Q_Interval,Size_arr_In_Data);
「量化分箱与误差实测」
把连续报价序列压成有限区间（量化），核心是先定上下界再切等宽窗。代码里用 ArrayResize 给输出数组和分箱书（Book）预留空间，nQ 就是你要分的箱数。 若 Use_Max_Min 为 false，则直接取输入数组的 ArrayMaximum / ArrayMinimum 作动态上下界；设为 true 时就强制用外部传进来的 Max_arr / Min_arr。两者差异在于：动态界会随样本漂移，强制界适合跨周期对齐。 窗宽 Interval_Size = (Max-Min)/nQ。随后逐点算区间索引：round((值-Min)/窗宽)，反推回的量化值 = 索引*窗宽+Min，并把单点绝对误差按全距归一后累加进 Summ_Error。 分箱边界（Book）用 switch 填：第 0 箱取 Min+0.5*窗宽 作质心，其余箱递推加窗宽。最后返回平均恢复误差 = 总归一误差/样本数*100，单位是全距的百分比。 实测用 8 个区间时，平均数据恢复误差为全距的 3.52%。而用不同映射表做质心反变换时，Book_to_cifra 平均误差 1145.62、右边界转换 2513.42、Q_Random 质心变换 1030.79——外汇与贵金属报价量化属高风险操作，误差会随波动放大，参数请在 MT5 复盘验证。
ArrayResize(arr_Output_Q_Data,Size_arr_In_Data); ArrayResize(arr_Output_Q_Book,nQ); class=class="str">"cmt">//---class="num">1. Finding the maximum and minimum in the input data if(Use_Max_Min==false)class=class="str">"cmt">//If enforced array limits are not used { Index_Max=ArrayMaximum(arr_In_Data,class="num">0,WHOLE_ARRAY); Index_Min=ArrayMinimum(arr_In_Data,class="num">0,WHOLE_ARRAY); Max=arr_In_Data[Index_Max]; Min=arr_In_Data[Index_Min]; } elseclass=class="str">"cmt">//Otherwise enforce the maximum and minimum { Max=Max_arr; Min=Min_arr; } class=class="str">"cmt">//---class="num">2. Calculate the window size between intervals Delta=Max-Min;class=class="str">"cmt">//Difference between maximum and minimum Interval_Size=Delta/nQ;class=class="str">"cmt">//Size of one window class=class="str">"cmt">//---class="num">3. Perform quantization and error calculation for(class="type">int i=class="num">0; i<Size_arr_In_Data; i++) { arr_Output_Q_Interval[i]=(class="type">int)round((arr_In_Data[i]-Min)/Interval_Size); arr_Output_Q_Data[i]=arr_Output_Q_Interval[i]*Interval_Size+Min; Summ_Error=Summ_Error+(MathAbs(arr_Output_Q_Data[i]-arr_In_Data[i]))/Delta; } class=class="str">"cmt">//---class="num">4. Save separators(borders) into the array for(class="type">int i=class="num">0; i<nQ; i++) { class="kw">switch(i) { case class="num">0: arr_Output_Q_Book[i]=class="type">float(Min+Interval_Size*class="num">0.5); break; class="kw">default: arr_Output_Q_Book[i]=class="type">float(arr_Output_Q_Book[i-class="num">1]+Interval_Size); break; } } class="kw">return Summ_Error=Summ_Error/(class="type">class="kw">double)Size_arr_In_Data*class="num">100.0; } Average data recovery error size = class="num">3.52% of full range when class="kw">using class="num">8 intervals Average error size via quantum table for centroid conversion(Book_to_cifra) = class="num">1145.62263 Average error size via quantum table for right boundary conversion(Book_to_cifra) = class="num">2513.41952 Average error size via quantum table for centroid transformation(Book_to_cifra_v2) = class="num">1145.62263 Average error size via quantum table for centroid transformation(Q_Random) = class="num">1030.79216
◍ CatBoost 量化的边界划分与表复用
CatBoost 在 CPU 上跑梯度提升前，会用量化把连续特征切成离散边界，省去装 Python/R 环境，直接命令行就能调。划分方式由 --feature-border-type 决定，可选 Median、Uniform、UniformAndQuantiles、MaxLogSum、MinEntropy、GreedyLogSum 等；边界数用 --border-count 控制，范围 1 到 65535。 不显式指定时，CPU 模型默认 GreedyLogSum 配 254 个分隔符，GPU 则降到 128 个。想固定预处理逻辑，就把表存成文件：--output-borders-file 导出，--input-borders-file 在后续训练加载，保证前后量化一致。 导出的量化表（如 Quant_CB.csv）是两列多行结构：第一列是预测器序号，第二列是边界值；行数等于各预测器分隔符数累加，读完一个预测器的边界后序号才跳下一个。 下面两段命令演示了先以 Uniform、30 个边界量化并存表，再读表训练。边界数压到 16 时，不同方法对左偏、右偏、集中、均匀数据的切分形态差异很明显，开 MT5 旁挂命令行跑一遍就能对照原文里的帧动画。外汇与贵金属样本外推易过拟合，量化参数仅影响预处理速度与新奇点处理，不承诺任何方向概率优势。
catboost-class="num">1.0.class="num">6.exe fit --learn-set train.csv --test-set test.csv --column-description Test_CB_Setup_0_000000000 --has-header --delimiter ; --train-dir ..\Rezultat --feature-border-type Uniform --border-count class="num">30 --output-borders-file Quant_CB.csv catboost-class="num">1.0.class="num">6.exe fit --learn-set train.csv --test-set test.csv --column-description Test_CB_Setup_0_000000000 --has-header --delimiter ; --train-dir ..\Rezultat --input-borders-file Quant_CB.csv
下一步该挑哪张量化表
这套均匀量化的脚本（Q_Trans.mq5，约 49.68 KB）已经在随机样本上跑通了，你在 MT5 里加载后改一下输入样本数，就能直观看到边界划分对离散值分布的影响。 外汇与贵金属市场高杠杆、高波动，量化预处理只是降噪手段，不代表任何方向确定性，实盘前务必用历史数据交叉验证。 下一篇会专门讲怎么为特定预测器挑量化表，并用实验看选表对 CatBoost 训练误差的影响——在那之前，你可以先把自己常用的几个特征按本文脚本做一遍均匀分桶，记下每桶的样本占比。