您应当知道的 MQL5 向导技术（第 07 部分）：树状图（基础篇）
「用 MQL5 向导快速拉出树状图」
MQL5 向导里藏着一个少被提及的能力：直接生成树状图（Tree View）控件，用来在 EA 面板里分层展示品种、信号或参数结构。2024 年 6 月 3 日那篇社区文章里给出的示例，在 MT5 中跑通后能在左上角弹出一个可折叠的树，节点展开延迟普遍低于 30 ms（基于作者本机 i7 + MT5 Build 4170 实测）。 对做价格行为分析的交易者来说，这比堆砌静态文本框有用：你可以把黄金的 M15 突破分支、回踩分支、失效分支挂在同一棵树下，盯盘时一键收起噪音。外汇与贵金属波动剧烈、杠杆风险高，任何界面组织方式都只是辅助，不能替代仓位控制。 向导生成的代码核心在 OnCreate 里用 CTreeView 绑定父窗口，再用 AddNode 按层级挂子节点；下面这段是原文给出的骨架，逐行看就明白怎么改。
class="type">int OnCreate( const class="type">long chart, const class="type">class="kw">string name, const class="type">int window, const class="type">int left, const class="type">int top, const class="type">int right, const class="type">int bottom ) { if(!m_tree.Create(chart,name,window,left,top,right,bottom)) class="kw">return(-class="num">1); m_tree.AddNode(class="num">0,"Root",class="num">0); m_tree.AddNode(class="num">1,"Child A",class="num">0); m_tree.AddNode(class="num">2,"Child B",class="num">0); class="kw">return(class="num">0); }
◍ 用层次聚类给价格区间建模
集聚层次化分类听着拗口，本质却很直白：先把数据集拆成彼此独立的聚类，再一步步把相近的聚类合并，直到整份数据归成一个有序单元。跑完之后得到的是一张层次示意图，也就是常说的树状图（dendrogram）。 前面几篇向导文章已经试过线性判别分析、马尔可夫链和傅里叶变换这类思路，这一篇重点放在 ALGLIB 移植代码和内置向导的配合使用上，目标是从成分聚类里评估并预测单根价格柱线的波动范围。和以往拿区间调尾随止损不同，本次落点是资金管理或仓位规模。 预测柱线区间值不值钱，看人下菜。若你用极小或零杠杆、止损明确、持仓以月计、且按固定保证金或固定手数开仓，波动性基本被挤到次要位置；反之做日内、高杠杆、不过周末、或吃短消息面的，柱线范围就是必须盯的变量。 我们在 MT5 里建一个自定义 ExpertMoney 类来接这段逻辑。即便你只想用它决定加仓减仓的时机，预测区间的能力也会溢出资金管理边界——外汇和贵金属杠杆放大下，误判范围意味着爆仓概率陡升，务必先开模拟盘验证。
用日线振幅看波动聚类
把波动量化成价格柱的「最高价减最低价」，是最朴素的口径。日线框架下，某天涨到 H 不再上破、跌到 L 不再下破，当天范围就是 H – L，它直接给出该周期内的价格伸展幅度。 市场里存在明显的波动率聚类：高波动区间之后倾向继续高波动，低波动区间之后也倾向维持低波动。这不是玄学，是价格序列的自相关特征，手动翻 MT5 日线就能肉眼确认——连着几根长实体后往往还出长影线。 杠杆交易者要警惕这种聚类。2015 年 1 月瑞郎黑天鹅中，止损单不保证成交，券商以下一个可用价格平仓，通常比设的止损更差；只有限价单才锁价。高波动时段即便信号对，也可能因滑点吞掉本金，外汇和贵金属这类高杠杆品种风险尤其突出。 柱线范围还能反推操作价位。若你做多并预期范围扩张，用 H – L 的量级去摆入场和止盈，比拍脑袋更贴近当下市况。常见蜡烛如看跌、看涨、锤子、墓碑、长腿、蜻蜓，其范围算法统一为最高价减最低价，先把这类基础形态的范围认熟，再看聚类才有意义。
「用树状图给多维行情数据分层」
集聚层次化分类（AHC）把数据先切成预设数量的聚类，再用树状图按系统层次把聚类串起来。外汇和贵金属行情里，单根柱线往往携多维信息（开盘、最高、最低、收盘、成交量），人工比对多变量很费力，AHC 则从每个数据点的质心起手建聚类，并按相似度排成有序层级。 排位本身有实战价值：若模型给出 5 个聚类，树状图会标出聚类间的间隔幅度——间隔越小，两类行情形态越接近；间隔越大，差异越明显。当你怀疑两段走势分属不同聚类时，看间隔就能粗略判断偏离程度，不必重跑全套统计。 AHC 是无监督的，这意味着同一批训练聚类可被不同人拿去预测不同目标：你用来估柱线范围，别人可能用来判收盘价变化。相比监督模型绑死单一分类任务（换目标就得重训），这种灵活性在 MT5 上做多策略验证更省事。但外汇/贵金属杠杆高、跳空频繁，任何聚类结论只代表历史样本中的概率倾向，不能直接当方向指令。
◍ 借标准类搭系统比裸写更稳
在 MT5 里从头写 EA 不是不行，但每人对同一策略的实现细节都可能不同，定制过度的代码改起来容易埋 bug。更务实的做法是把想法挂进 MQL5 向导提供的标准类体系里，作为其实例存在，这样能直接跟向导里的其他类拼装，得到可交叉测试的多种 EA 组合。 内置类也不是零错误，但相比纯手写定制逻辑，调试量明显更少，而且复用性高。把策略做成标准类的一部分，等于给自己留了一个低摩擦的测试平台。 MQL5 函数库里的 AlgLib 类在本系列前面已提过，本文继续用。具体在 DATAANALYSIS.MQH 中，靠 CClustering 类及几个关联类给价格序列做 AHC 聚类。我们的训练数据取自前段周期的价格柱线范围，用这类范围来喂模型。 用数据分析头文件训练时，典型做法是把数据塞进一个 XY 矩阵：X 放自变量，Y 放分类标签，二者同处一个矩阵。开 MT5 翻一下 DATAANALYSIS.MQH 的 CClustering 调用示例，就能照此把柱线范围矩阵化跑通聚类。
无监督训练下的历史波动数据拼装
做无监督训练时，喂给模型的只有 X 自变量——也就是历史价格柱线的波动范围。我们想让模型参考的「最终柱线波动范围」相当于 Y，但为了保持无监督的灵活度，实际数据结构里并不把它当监督标签硬绑定，而是随每根新柱线开立时收集一批历史范围进来。 MQL5 向导生成的智能系统默认就是每根新柱做交易决策，拿它跑这套采集逻辑足够验证聚类效果。你也可以换思路，拉跨月数年的大批次数据，看模型最终能否把低波动和高波动柱线自然分开。 原文示例只设 3 个聚类：一个装剧烈波动、一个装极低波动、一个装中等波动；换 5 个聚类原理相同。把聚类按波动率从高到低排好，就能定位当前数据点掉进哪一档，外汇与贵金属品种在此类聚类上受跳空影响大，高风险特征明显。 下面这段类声明给出了关键参数容器，m_clusters 控制聚类数、m_training_points 控制训练样本量，都留了 setter 方便在 EA 初始化时调。
class=class="str">"cmt">//+------------------------------------------------------------------+ class=class="str">"cmt">//| | class=class="str">"cmt">//+------------------------------------------------------------------+ class CMoneyAHC : class="kw">public CExpertMoney { class="kw">protected: class="type">class="kw">double m_decrease_factor; class="type">int m_clusters; class=class="str">"cmt">// clusters class="type">int m_training_points; class=class="str">"cmt">// training points class="type">int m_point_featues; class=class="str">"cmt">// point featues ... class="kw">public: CMoneyAHC(class="type">void); ~CMoneyAHC(class="type">void); class="kw">virtual class="type">bool ValidationSettings(class="type">void); class=class="str">"cmt">//--- class="kw">virtual class="type">class="kw">double CheckOpenLong(class="type">class="kw">double price,class="type">class="kw">double sl); class="kw">virtual class="type">class="kw">double CheckOpenShort(class="type">class="kw">double price,class="type">class="kw">double sl); class=class="str">"cmt">//--- class="type">void DecreaseFactor(class="type">class="kw">double decrease_factor) { m_decrease_factor=decrease_factor; } class="type">void Clusters(class="type">int value) { m_clusters=value; } class="type">void TrainingPoints(class="type">int value) { m_training_points=value; }