⚖️
数据科学和机器学习（第 36 部分）：与偏颇的金融市场打交道·进阶篇
（2/3）· 当 USDJPY 历史里 59.2% 是看涨烛条，你的机器学习模型正在偷偷忽视空头信号
很多交易者直接把原始 K 线丢进 ML 模型训练，却没注意品种本身就有方向偏颇。模型为了冲高整体准确率，会本能地押注主流类，把次要类的预测几乎放弃。先看清数据里的不平衡，比急着调参更重要。
◍ 用毛料数据跑出的 EA 偏多陷阱
把随机森林模型存成 ONNX 后，最直接的验证方式就是写个 EA 接进策略测试器，按训练样本直接下单。这里用的训练数据由 Collectdata.mq5 脚本采集，时间窗是 2023-01-01 到 2025-01-01，附件里能拿到。 EA 里模型前瞻值设为 1，意味着当前周期收线后必须再走一根栏线才平仓，否则前瞻约束就被破坏了。先拿没做重采样的原始数据模型试水，测试器输入 technique_name = no-sampling。 结果有点迷惑性：519 笔交易整体胜率 62.24%，看起来不差。但拆开看，102 笔空单胜率 70.59%，417 笔多单胜率 60.19%，多空比接近 1:4。同一段 USDJPY 日线里，两年间看涨烛条 293 根、看跌 225 根，市场本身偏多。 也就是说，这模型赚钱大概率只是因为顺了大趋势——它做多频率是做空的 4 倍，而那段时间 USDJPY 大多头，闭眼唱多都能活。外汇和贵金属杠杆高，这种样本偏差下的‘盈利’很容易在风格切换时反噬，不能当真。 下面这段是 EA 初始化和预测的核心代码，注意它从公共文件夹载 ONNX，并用前一根栏线的 OHLC 做输入向量。
MQL5 / C++
class="macro">#include <Random Forest.mqh> CRandomForestClassifier random_forest; class=class="str">"cmt">//A class for loading the RFC in ONNX format class="macro">#include <Trade\Trade.mqh> class="macro">#include <Trade\PositionInfo.mqh> CTrade m_trade; CPositionInfo m_position; input class="type">class="kw">string symbol_ = "USDJPY"; input class="type">int magic_number= class="num">14042025; input class="type">int slippage = class="num">100; input ENUM_TIMEFRAMES timeframe_ = PERIOD_D1; input class="type">class="kw">string technique_name = "randomoversampling"; class="type">int lookahead = class="num">1; class=class="str">"cmt">//+------------------------------------------------------------------+ class=class="str">"cmt">//| Expert initialization function | class=class="str">"cmt">//+------------------------------------------------------------------+ class="type">int OnInit() { class=class="str">"cmt">//--- if (!random_forest.Init(StringFormat("%s.%s.%s.onnx", symbol_, EnumToString(timeframe_), technique_name), ONNX_COMMON_FOLDER)) class=class="str">"cmt">//Initializing the RFC in ONNX format from a commmon folder class="kw">return INIT_FAILED; class=class="str">"cmt">//--- Setting up the CTrade module m_trade.SetExpertMagicNumber(magic_number); m_trade.SetDeviationInPoints(slippage); m_trade.SetMarginMode(); m_trade.SetTypeFillingBySymbol(symbol_); class=class="str">"cmt">//--- class="kw">return(INIT_SUCCEEDED); } class=class="str">"cmt">//+------------------------------------------------------------------+ class=class="str">"cmt">//| Expert deinitialization function | class=class="str">"cmt">//+------------------------------------------------------------------+ class="type">void OnDeinit(const class="type">int reason) { class=class="str">"cmt">//--- } class=class="str">"cmt">//+------------------------------------------------------------------+ class=class="str">"cmt">//| Expert tick function | class=class="str">"cmt">//+------------------------------------------------------------------+ class="type">void OnTick() { class=class="str">"cmt">//--- vector x = { iOpen(symbol_, timeframe_, class="num">1), iHigh(symbol_, timeframe_, class="num">1), iLow(symbol_, timeframe_, class="num">1), iClose(symbol_, timeframe_, class="num">1) }; class="type">long signal = random_forest.predict_bin(x); class=class="str">"cmt">//Predicted class class="type">class="kw">double proba = random_forest.predict_proba(x).Max(); class=class="str">"cmt">//Maximum predicted probability class="type">MqlTick ticks; if (!SymbolInfoTick(symbol_, ticks)) {
信号触发后的下单与持仓闭环
这段逻辑承接信号判定之后：先取品种最小交易量 volume_，作为裸手数下限。signal==1 且当前无多无空时，用 ticks.ask 市价买入；signal==0 同理用 ticks.bid 市价卖出，两个分支都强制空仓才进场，避免重复加仓。 下单后紧跟 CloseTradeAfterTime((Timeframe2Minutes(timeframe_)*lookahead)*60)，把训练用的周期分钟数乘前瞻系数再转秒，作为这笔单的自动寿命。外汇与贵金属杠杆高，这种定时强平能截断模型漂移带来的暴露，但是否真能避险要看回测分布。 PosExists 遍历 PositionsTotal()-1 到 0，用 SelectByIndex 按 symbol_、magic_number、持仓类型三重过滤，命中即返回 true。ClosePos 结构几乎一致，只是改调 PositionClose 按 ticket 平掉对应方向的仓。 把这两个函数直接塞进 EA 的辅助区，开 MT5 用策略测试器跑一根 EURUSD 的 M5，观察 signal 翻转时是否确实只开一手、且到期被强制关闭。
MQL5 / C++
printf("Failed to obtain ticks information, Error = %d",GetLastError()); class="kw">return; } class="type">class="kw">double volume_ = SymbolInfoDouble(symbol_, SYMBOL_VOLUME_MIN); if (signal == class="num">1) { if (!PosExists(POSITION_TYPE_BUY) && !PosExists(POSITION_TYPE_SELL)) m_trade.Buy(volume_, symbol_, ticks.ask,class="num">0,class="num">0); } if (signal == class="num">0) { if (!PosExists(POSITION_TYPE_SELL) && !PosExists(POSITION_TYPE_BUY)) m_trade.Sell(volume_, symbol_, ticks.bid,class="num">0,class="num">0); } class=class="str">"cmt">//--- CloseTradeAfterTime((Timeframe2Minutes(timeframe_)*lookahead)*class="num">60); class=class="str">"cmt">//Close the trade after a certain lookahead and according the the trained timeframe } class=class="str">"cmt">//+------------------------------------------------------------------+ class=class="str">"cmt">//| | class=class="str">"cmt">//+------------------------------------------------------------------+ class="type">bool PosExists(class="type">ENUM_POSITION_TYPE type) { for (class="type">int i=PositionsTotal()-class="num">1; i>=class="num">0; i--) if (m_position.SelectByIndex(i)) if (m_position.Symbol()==symbol_ && m_position.Magic() == magic_number && m_position.PositionType()==type) class="kw">return (true); class="kw">return (false); } class=class="str">"cmt">//+------------------------------------------------------------------+ class=class="str">"cmt">//| | class=class="str">"cmt">//+------------------------------------------------------------------+ class="type">bool ClosePos(class="type">ENUM_POSITION_TYPE type) { for (class="type">int i=PositionsTotal()-class="num">1; i>=class="num">0; i--) if (m_position.SelectByIndex(i)) if (m_position.Symbol() == symbol_ && m_position.Magic() == magic_number && m_position.PositionType()==type) { if (m_trade.PositionClose(m_position.Ticket())) class="kw">return true; } class="kw">return (false); } class=class="str">"cmt">//+------------------------------------------------------------------+
「持仓超时强制平仓与时间帧换算」
EA 里经常需要「单子活太久就砍掉」，逻辑并不复杂：从持仓总数倒序遍历，只挑自己魔法码的下单，比较当前服务器时间与开仓时间差是否越过阈值，越过就市价平。 下面这段函数接收以秒为单位的存活上限，遍历时若发现某持仓时间达标便调用 PositionClose 平仓，滑点参数沿用全局设定。注意倒序遍历 PositionsTotal() 是为了避免删除元素后索引错位。
MQL5 / C++
逐行拆解：函数入口 period_seconds 即允许持仓的最大秒数；for 从最后一个持仓下标开始递减；SelectByIndex 选中第 i 个持仓对象；Magic 比对确保只处理本 EA 订单；TimeCurrent 减开仓时间得到存活秒数，超阈值则 PositionClose 按滑点平仓。
另一处实用的是周期转分钟：把 ENUM_TIMEFRAMES 映射成整数分钟，M1 到 M30 对应 1~30，H1 为 60，H4 为 240，D1 直接是 1440。写跨周期判定或日志统计时，这套映射比反复写条件判断清爽得多。外汇与贵金属杠杆高，任何自动平仓逻辑都可能在流动性稀薄时滑点放大，实盘前请在策略测试器用真实点差验证。
class="type">void CloseTradeAfterTime(class="type">int period_seconds) { for (class="type">int i = PositionsTotal() - class="num">1; i >= class="num">0; i--) if (m_position.SelectByIndex(i)) if (m_position.Magic() == magic_number) if (TimeCurrent() - m_position.Time() >= period_seconds) m_trade.PositionClose(m_position.Ticket(), slippage); }
MQL5 / C++
class="type">void CloseTradeAfterTime(class="type">int period_seconds) { for (class="type">int i = PositionsTotal() - class="num">1; i >= class="num">0; i--) if (m_position.SelectByIndex(i)) if (m_position.Magic() == magic_number) if (TimeCurrent() - m_position.Time() >= period_seconds) m_trade.PositionClose(m_position.Ticket(), slippage); } class="type">int Timeframe2Minutes(ENUM_TIMEFRAMES tf) { class="kw">switch(tf) { case PERIOD_M1: class="kw">return class="num">1; case PERIOD_M2: class="kw">return class="num">2; case PERIOD_M3: class="kw">return class="num">3; case PERIOD_M4: class="kw">return class="num">4; case PERIOD_M5: class="kw">return class="num">5; case PERIOD_M6: class="kw">return class="num">6; case PERIOD_M10: class="kw">return class="num">10; case PERIOD_M12: class="kw">return class="num">12; case PERIOD_M15: class="kw">return class="num">15; case PERIOD_M20: class="kw">return class="num">20; case PERIOD_M30: class="kw">return class="num">30; case PERIOD_H1: class="kw">return class="num">60; case PERIOD_H2: class="kw">return class="num">120; case PERIOD_H3: class="kw">return class="num">180; case PERIOD_H4: class="kw">return class="num">240; case PERIOD_H6: class="kw">return class="num">360; case PERIOD_H8: class="kw">return class="num">480; case PERIOD_H12: class="kw">return class="num">720; case PERIOD_D1: class="kw">return class="num">1440; class=class="str">"cmt">// class="num">1 day = class="num">1440 minutes
◍ 周月周期分钟数映射与类别分布核对
在把时间框架转成分钟数时，周线和月线容易算错。W1 直接返回 10080，即 7 天乘以每天 1440 分钟；MN1 返回 43200，按 30 天近似处理，不是严格日历月。 遇到未定义的时间框架，函数会打印 Unknown timeframe 并返回 0，调用方必须判空，否则后续指标计算会静默失真。 一段二分类样本的分布打印显示：类别 0 有 225 个，类别 1 有 293 个，合计 518 条。样本偏斜约 1.3:1，做训练前最好先确认你的标签阈值是否让多数类吞掉了信号。 开 MT5 把这段 switch 粘进 EA，改个非常规周期如 PERIOD_H2 试试，看 PrintFormat 是否如期报错返回 0。
MQL5 / C++
case PERIOD_W1: class="kw">return class="num">10080; class=class="str">"cmt">// class="num">1 week = class="num">7 * class="num">1440 minutes case PERIOD_MN1: class="kw">return class="num">43200; class=class="str">"cmt">// Approx. class="num">1 month = class="num">30 * class="num">1440 minutes class="kw">default: PrintFormat("Unknown timeframe: %d", tf); class="kw">return class="num">0; } } print("classes in y: ",np.unique(y, return_counts=True)) classes in y: (array([class="num">0, class="num">1]), array([class="num">225, class="num">293]))
用随机过抽样抹平类分布偏斜
随机过抽样干的事很直接：从训练集里挑出少数类样本，复制粘贴直到两类数量持平。目的是不让分类模型在外汇或贵金属信号预测里，因为某类样本太少而偏向多数类。 下面这段 Python 借助 imbalanced-learn 的 RandomOverSampler 把 y_train 的 0/1 两类从 304 对 395 拉平到各 395。复现后喂给同一个随机森林，训练集分类报告里两类 F1 都到了 0.87 上下，比生料数据更均衡。
MQL5 / C++
代码逐行拆解：第1行引入 RandomOverSampler；第2行打印重抽样前标签计数，得到 0类304、1类395；第3行设 random_state=42 实例化采样器；第4行 fit_resample 执行复制使两类各 395；第5行确认后分布；第6行用平衡数据重新 fit 模型；第7-8行在训练集预测并打印报告，显示两类 precision/recall 均在 0.82–0.88 区间。
把同样配置丢进 MT5 策略测试器，technique_name 填 randomoversampling，机器人开立空头 238 笔、多头 281 笔，对比训练集原始市场分布（空 225、多 293）更接近，说明模型决策可能更少受类偏置干扰。外汇与贵金属杠杆交易高风险，过抽样只是复制旧样本，新信息量为零，过度拟合的概率会随复制比例上升，实盘前务必走样本外验证。
from imblearn.over_sampling class="kw">import RandomOverSampler print("b4 Target: ",np.unique(y_train, return_counts=True)) rus = RandomOverSampler(random_state=class="num">42) X_resampled, y_resampled = rus.fit_resample(X_train, y_train) print("After Target: ",np.unique(y_resampled, return_counts=True)) b4 Target: (array([class="num">0, class="num">1]), array([class="num">304, class="num">395])) After Target: (array([class="num">0, class="num">1]), array([class="num">395, class="num">395])) model.fit(X_resampled, y_resampled) y_train_pred = model.predict(X_train) print("Train Classification report\n",classification_report(y_train, y_train_pred)) Train Classification report precision recall f1-score support class="num">0 class="num">0.82 class="num">0.85 class="num">0.83 class="num">158 class="num">1 class="num">0.88 class="num">0.86 class="num">0.87 class="num">204 accuracy class="num">0.85 class="num">362 macro avg class="num">0.85 class="num">0.85 class="num">0.85 class="num">362 weighted avg class="num">0.85 class="num">0.85 class="num">0.85 class="num">362
MQL5 / C++
from imblearn.over_sampling class="kw">import RandomOverSampler print("b4 Target: ",np.unique(y_train, return_counts=True)) rus = RandomOverSampler(random_state=class="num">42) X_resampled, y_resampled = rus.fit_resample(X_train, y_train) print("After Target: ",np.unique(y_resampled, return_counts=True)) b4 Target: (array([class="num">0, class="num">1]), array([class="num">304, class="num">395])) After Target: (array([class="num">0, class="num">1]), array([class="num">395, class="num">395])) model.fit(X_resampled, y_resampled) y_train_pred = model.predict(X_train) print("Train Classification report\n",classification_report(y_train, y_train_pred)) Train Classification report precision recall f1-score support class="num">0 class="num">0.82 class="num">0.85 class="num">0.83 class="num">158 class="num">1 class="num">0.88 class="num">0.86 class="num">0.87 class="num">204 accuracy class="num">0.85 class="num">362 macro avg class="num">0.85 class="num">0.85 class="num">0.85 class="num">362 weighted avg class="num">0.85 class="num">0.85 class="num">0.85 class="num">362
把类分布诊断交给小布
这些诊断小布盯盘的 AIGC 已内置，打开对应品种页即可看到多空烛条比例与历史偏颇度，你只需决定用哪种重采样策略，重复统计交给小布。
常见问题
不同市场在不同周期有结构性的方向倾向，例如部分货币对长期偏跌、指数长期偏涨，日线收盘价高于开盘的占比自然偏离一半，这是样本本身的偏颇而非噪声。
整体准确率在不平衡数据下会误导人，应改用 F1、ROC-AUC 或混淆矩阵逐类看表现，否则可能满仓押主类却以为模型稳健。
可以，小布盯盘的 AIGC 品种页会给出近 N 根柱线的多空标记分布与偏颇比例，省去你手动跑脚本统计；发现失衡再考虑过抽样或欠抽样。
混合方法常能兼顾保留主类信息与补强次要类，但也可能放大噪声，实际效果要在 Walk-forward 验证里看泛化表现，不能默认更优。
样本内次要类命中率极低、样本外全面崩坏，且模型把多数特征权重压到主类相关变量上，就可能是记了主类噪声而非学了通用形态。