统计估计·综合运用
（3/3）·从分布中心五估计到 Gnuplot 可视化，一篇跑通 MQL5 统计估计全流程
「用四图一眼看穿序列脾气」
离差、标准方差、偏度、峰度这四个统计量能把一个随机序列说清楚，但干看数字不如直接画图。把直方图、正态概率图、原始序列线和滞后图摆在同一张纸上，分布形态和相关性基本一眼可辨。 滞后图用 Y 轴放当前值、X 轴放前一时刻值：若存在强相关，点会拉成直线；若是像 MathRand() 生成的纯随机序列，点就散满全图。这一招在统计界叫 4-Plot，不是新发明，但放在 MT5 里自己跑一遍最实在。 文末的 s4plot.mq5 就是干这事：OnStart() 里先塞满 128 个随机数，依次算统计量与绘图数据，再丢给 vis4plot() 调 Gnuplot 弹窗。下面这段是核心启动逻辑，注意 vis4plot() 最后一个参数是小数位，本例写 6 即保留六位。 若你的序列数量级太小或太大，把该参数设成 -5 可切科学计数法，这恰是函数默认值。外汇与贵金属价格序列波动剧烈、杠杆风险高，用四图自检分布假设前，先确认采样窗口是否够长，否则小样本偏度峰度会严重误导。
<span class="comment">class=class="str">"cmt">//----------------------------------------------------------------------------</span> <span class="comment">class=class="str">"cmt">// Script program start function</span> <span class="comment">class=class="str">"cmt">//----------------------------------------------------------------------------</span> <span class="keyword">class="type">void</span> <span class="functions">OnStart</span>() { <span class="keyword">class="type">int</span> i; <span class="keyword">class="type">class="kw">double</span> dat[<span class="number">class="num">128</span>],histo[],rankit[],xrankit[]; statParam sp; <span class="functions">MathSrand</span>(<span class="number">class="num">1</span>); <span class="keyword">for</span>(i=<span class="number">class="num">0</span>;i<<span class="functions">ArraySize</span>(dat);i++) dat[i]=<span class="functions">MathRand</span>(); <span class="keyword">if</span>(dStat(dat,sp)==-<span class="number">class="num">1</span>)<span class="keyword">class="kw">return</span>; <span class="keyword">if</span>(dHist(dat,histo,sp)==-<span class="number">class="num">1</span>)<span class="keyword">class="kw">return</span>; <span class="keyword">if</span>(dRankit(dat,rankit,xrankit,sp)==-<span class="number">class="num">1</span>)<span class="keyword">class="kw">return</span>; vis4plot(dat,histo,rankit,xrankit,sp,<span class="number">class="num">6</span>); }
◍ 用 Xorshift 造可控伪随机流
RNDXor128 这个类把 George Marsaglia 的 xorshift 算法封装进 MT5，初始周期长达 2 的 128 次方，足以支撑多数蒙特卡洛类的行情模拟。实例化时四个种子被写死成 x=123456789、y=362436069、z=521288629、w=88675123，所以每次新建对象得到的序列完全一样，不像 MathRand() 那样每次脚本重启都换一套。 它内置了几种分布形态：Rand() 吐出 [0, 4294967295] 的均匀整数，Rand_01() 压到 [0,1]，Rand_Norm() 给零均值单位方差的正态，Rand_Exp() 和 Rand_Laplace() 分别对应参数 1.0 的指数与拉普拉斯。做外汇或贵金属回测时，这种可复现的随机流比系统函数更适合对照不同参数下的样本路径，但请记住模拟结果只反映历史假设，实盘杠杆品种高风险，分布再漂亮也不代表未来概率。 Reset() 能把种子拨回初始态，SRand() 则可手动换基值。下面这段头文件核心逻辑，建议直接丢进 MT5 的 include 目录验证编译。
class=class="str">"cmt">//----------------------------------------------------------------------------------- class=class="str">"cmt">// RNDXor128.mqh class=class="str">"cmt">// class="num">2011, victorg class=class="str">"cmt">// [MQL5官方文档] class=class="str">"cmt">//----------------------------------------------------------------------------------- class="macro">#class="kw">property copyright "class="num">2011, victorg" class="macro">#class="kw">property link "[MQL5官方文档] class="macro">#include <Object.mqh> class=class="str">"cmt">//----------------------------------------------------------------------------------- class=class="str">"cmt">// Generation of pseudo-random sequences. The Xorshift RNG algorithm class=class="str">"cmt">// (George Marsaglia) with the class="num">2**class="num">128 period of initial sequence is used. class=class="str">"cmt">// class="type">uint rand_xor128() class=class="str">"cmt">// { class=class="str">"cmt">// class="kw">static class="type">uint x=class="num">123456789,y=class="num">362436069,z=class="num">521288629,w=class="num">88675123; class=class="str">"cmt">// class="type">uint t=(x^(x<<class="num">11));x=y;y=z;z=w; class=class="str">"cmt">// class="kw">return(w=(w^(w>>class="num">19))^(t^(t>>class="num">8))); class=class="str">"cmt">// } class=class="str">"cmt">// Methods: class=class="str">"cmt">// Rand() - even distribution withing the range [class="num">0,UINT_MAX=class="num">4294967295]. class=class="str">"cmt">// Rand_01() - even distribution within the range [class="num">0,class="num">1]. class=class="str">"cmt">// Rand_Norm() - normal distribution with zero mean and dispersion one. class=class="str">"cmt">// Rand_Exp() - exponential distribution with the parameter class="num">1.0. class=class="str">"cmt">// Rand_Laplace() - Laplace distribution with the parameter class="num">1.0 class=class="str">"cmt">// Reset() - resetting of all basic values to initial state. class=class="str">"cmt">// SRand() - setting new basic values of the generator. class=class="str">"cmt">//----------------------------------------------------------------------------------- class="macro">#define xor32 xx=xx^(xx<<class="num">13);xx=xx^(xx>>class="num">17);xx=xx^(xx<<class="num">5) class="macro">#define xor128 t=(x^(x<<class="num">11));x=y;y=z;z=w;w=(w^(w>>class="num">19))^(t^(t>>class="num">8)) class="macro">#define inidat x=class="num">123456789;y=class="num">362436069;z=class="num">521288629;w=class="num">88675123;xx=class="num">2463534242 class RNDXor128:class="kw">public CObject { class="kw">protected: class="type">uint x,y,z,w,xx,t; class="type">uint UINT_half; class="kw">public: RNDXor128() {UINT_half=UINT_MAX>>class="num">1;inidat;}; class="type">class="kw">double Rand() {xor128;class="kw">return((class="type">class="kw">double)w);}; class="type">int Rand(class="type">class="kw">double& a[],class="type">int n)
用 xor128 给数组灌入随机序列
把伪随机发生器接到 MT5 的数组上，核心就是两个重载：单值返回和批量填充。单值版 Rand_01() 直接拿 xor128 生成的 w 除以 UINT_MAX，得到 [0,1) 区间的浮点；批量版先卡两道防线——n<1 返回 -1，数组容量不够返回 -2，避免越界崩 EA。 正态版 Rand_Norm() 走的是 Box-Muller 变换：连续抽两组均匀随机，落单位圆内才用，sln 算的是 sqrt(-2*ln(s)/s)。它用 static 变量 ra 和标志位 b 缓存了配对值，第二次调用直接吐另一个正态样本，等于一次变换出两个不重复值。 实盘前建议先开脚本跑 Rand_01(a,1000) 再打印直方图，若分布明显偏左或重复率异常，多半是 xor128 宏的 w 更新逻辑没接对。外汇与贵金属杠杆高，这类随机序列只该用于回测扰动或蒙特卡洛压力测试，别拿去直接发单。
class="type">int Rand_01(class="type">class="kw">double& a[],class="type">int n) {class="type">int i;if(n<class="num">1)class="kw">return(-class="num">1); if(ArraySize(a)<n)class="kw">return(-class="num">2); for(i=class="num">0;i<n;i++){xor128;a[i]=(class="type">class="kw">double)w;} class="kw">return(class="num">0);}; class="type">class="kw">double Rand_01() {xor128;class="kw">return((class="type">class="kw">double)w/UINT_MAX);}; class="type">int Rand_01(class="type">class="kw">double& a[],class="type">int n) {if(n<class="num">1)class="kw">return(-class="num">1); if(ArraySize(a)<n)class="kw">return(-class="num">2); for(i=class="num">0;i<n;i++){xor128;a[i]=(class="type">class="kw">double)w/UINT_MAX;} class="kw">return(class="num">0);}; class="type">class="kw">double Rand_Norm() {class="type">class="kw">double v1,v2,s,sln;class="kw">static class="type">class="kw">double ra;class="kw">static class="type">uint b=class="num">0; if(b==w){b=class="num">0;class="kw">return(ra);} do{ xor128;v1=(class="type">class="kw">double)w/UINT_half-class="num">1.0; xor128;v2=(class="type">class="kw">double)w/UINT_half-class="num">1.0; s=v1*v1+v2*v2; } while(s>=class="num">1.0||s==class="num">0.0); sln=MathLog(s);sln=MathSqrt((-sln-sln)/s); ra=v2*sln;b=w; class="kw">return(v1*sln);}; class="type">int Rand_Norm(class="type">class="kw">double& a[],class="type">int n)
「指数与拉普拉斯分布的采样实现」
在价格行为模拟里，单纯正态往往不够——跳空和极端波动更贴近指数或拉普拉斯形态。下面这段 MT5 代码给出了三种分布的批量填充函数，可直接贴进 EA 的自定义库里跑。 Rand_Exp 用 -log(w/UINT_MAX) 把均匀随机量变成指数分布；当底层 xor128 返回 w==0 时直接给 DBL_MAX，避免对数域出现负无穷。Rand_Laplace 则靠 w 与 UINT_half 的大小分流，左右两支分别走 -log(a) 与 log(a)，双尾对称。 两个带数组入参的版本（Rand_Exp(double &a[],int n) 等）都先做防御：n<1 回 -1，数组容量不足回 -2，再循环填 n 个样本。你在 MT5 里建个 1000 长度 double 数组，调 Rand_Laplace(a,1000)，大概率能看到比正态更尖的峰和更肥的尾——这对回测滑点模型有参考价值。外汇与贵金属杠杆高，这类合成样本只用于方法验证，实盘须自担风险。
class="type">int Rand_Norm(class="type">class="kw">double &a[],class="type">int n) {class="type">int i;if(n<class="num">1)class="kw">return(-class="num">1); if(ArraySize(a)<n)class="kw">return(-class="num">2); for(i=class="num">0;i<n;i++)a[i]=Rand_Norm(); class="kw">return(class="num">0);}; class="type">class="kw">double Rand_Exp() {xor128;if(w==class="num">0)class="kw">return(DBL_MAX); class="kw">return(-MathLog((class="type">class="kw">double)w/UINT_MAX));}; class="type">int Rand_Exp(class="type">class="kw">double & a[],class="type">int n) {class="type">int i;if(n<class="num">1)class="kw">return(-class="num">1); if(ArraySize(a)<n)class="kw">return(-class="num">2); for(i=class="num">0;i<n;i++)a[i]=Rand_Exp(); class="kw">return(class="num">0);}; class="type">class="kw">double Rand_Laplace() {class="type">class="kw">double a;xor128; a=(class="type">class="kw">double)w/UINT_half; if(w>UINT_half) {a=class="num">2.0-a; if(a==class="num">0.0)class="kw">return(-DBL_MAX); class="kw">return(MathLog(a));} else {if(a==class="num">0.0)class="kw">return(DBL_MAX); class="kw">return(-MathLog(a));}}; class="type">int Rand_Laplace(class="type">class="kw">double &a[],class="type">int n) {class="type">int i;if(n<class="num">1)class="kw">return(-class="num">1);
◍ 随机数发生器里的种子与状态复位
这段代码片段把 PRNG 的初始化和重置逻辑收口了。先判断数组容量是否够装 n 个样本，不够直接返回 -2，避免越界；够的话用 Laplace 分布填充数组，返回 0 表示成功。 Reset() 只是简单地触发 inidat 宏，把发生器内部状态清回初始值，相当于一次冷启动。 SRand(uint seed) 重载版接受单个种子：非零时写入 xx，随后连续跑 16 轮 xor32 打乱，再把 xx 分别赋给 x/y/z/w 各跑两轮 xor32，最后再来 16 轮 xor128 混合。这种多轮搅拌就是为了让单一种子也能扩散到全部 128 位状态。 四参数版 SRand(xs,ys,zs,ws) 直接接管四个 32 位状态字；四个全为 0 时返回 -1 拒绝，否则赋值后做 16 轮 xor128 即就绪。在 MT5 里你可以复制这套结构，用不同种子跑 Monte Carlo 模拟，观察欧元兑美元报价的尾部风险分布——外汇与贵金属杠杆高，模拟结果仅代表概率倾向，实盘仍可能超预期波动。
if(ArraySize(a)<n)class="kw">return(-class="num">2); for(i=class="num">0;i<n;i++)a[i]=Rand_Laplace(); class="kw">return(class="num">0);}; class="type">void Reset() {inidat;}; class="type">void SRand(class="type">uint seed) {class="type">int i;if(seed!=class="num">0)xx=seed; for(i=class="num">0;i<class="num">16;i++){xor32;} xor32;x=xx;xor32;y=xx; xor32;z=xx;xor32;w=xx; for(i=class="num">0;i<class="num">16;i++){xor128;}}; class="type">int SRand(class="type">uint xs,class="type">uint ys,class="type">uint zs,class="type">uint ws) {class="type">int i;if(xs==class="num">0&&ys==class="num">0&&zs==class="num">0&&ws==class="num">0)class="kw">return(-class="num">1); x=xs;y=ys;z=zs;w=ws; for(i=class="num">0;i<class="num">16;i++){xor128;} class="kw">return(class="num">0);}; };
六类序列的生成与对比验证
把不同统计属性的序列摆到一起，才能看清价格序列到底像不像随机噪声。下面这套例子覆盖均匀、正态、指数、拉普拉斯、正弦，以及带相邻相关的累积序列，每个都用 512 点长度跑出来看分布形态。 均匀序列在 [0,1) 上等概率撒点，正态序列围绕均值集中，指数序列右偏且拖尾，拉普拉斯则比正态更尖峰厚尾。正弦序列是确定性周期，累积拉普拉斯则制造出前后样本强相关——这和真实行情里常见的惯性段有点神似。 代码里统一用 RNDXor128 这个伪随机源，换不同 Rand_ 方法就得到不同分布；正弦那段直接调 MathSin，不依赖随机种子。把数组长度从 512 改成 4096，MT5 里跑一遍，直方图的形状差异会更刺眼。 外汇和贵金属价格序列往往介于随机与强相关之间，用这类基准序列做参照，能帮你判断某段行情是噪声主导还是结构主导，但市场高风险，结论只作概率参考。
class="macro">#include "RNDXor128.mqh" RNDXor128 Rnd; class=class="str">"cmt">//---------------------------------------------------------------------------- class="type">void OnStart() { class="type">int i; class="type">class="kw">double dat[class="num">512]; for(i=class="num">0;i<ArraySize(dat);i++) dat[i]=Rnd.Rand_01(); ... } class="macro">#include "RNDXor128.mqh" RNDXor128 Rnd; class=class="str">"cmt">//---------------------------------------------------------------------------- class="type">void OnStart() { class="type">int i; class="type">class="kw">double dat[class="num">512]; for(i=class="num">0;i<ArraySize(dat);i++) dat[i]=Rnd.Rand_Norm(); ... } class="macro">#include "RNDXor128.mqh" RNDXor128 Rnd; class=class="str">"cmt">//---------------------------------------------------------------------------- class="type">void OnStart() { class="type">int i; class="type">class="kw">double dat[class="num">512]; for(i=class="num">0;i<ArraySize(dat);i++) dat[i]=Rnd.Rand_Exp(); ... } class="macro">#include "RNDXor128.mqh" RNDXor128 Rnd; class=class="str">"cmt">//---------------------------------------------------------------------------- class="type">void OnStart() { class="type">int i; class="type">class="kw">double dat[class="num">512]; for(i=class="num">0;i<ArraySize(dat);i++) dat[i]=Rnd.Rand_Laplace(); ... } class=class="str">"cmt">//---------------------------------------------------------------------------- class="type">void OnStart() { class="type">int i; class="type">class="kw">double dat[class="num">512]; for(i=class="num">0;i<ArraySize(dat);i++) dat[i]=MathSin(class="num">2*M_PI/class="num">4.37*i); ... } class="macro">#include "RNDXor128.mqh" RNDXor128 Rnd; class=class="str">"cmt">//---------------------------------------------------------------------------- class="type">void OnStart() { class="type">int i; class="type">class="kw">double dat[class="num">512],a; for(i=class="num">0;i<ArraySize(dat);i++) {a+=Rnd.Rand_Laplace();dat[i]=a;} ... }
「直接实现算法前的稳定性检查」
把数学公式原样搬进 MQL5 函数，开发速度最快，但隐藏的精度坑也最多。变量在四舍五入、截断和溢出时的微小偏差，会在循环计算里被放大，这一点在外汇与贵金属的高杠杆环境下尤其危险，可能让信号偏移几个点就触发错单。 本文示例里的算法都是“直译”数学定义，没有做过误差传播分析。若你要把这些函数塞进实盘 EA，先跑一遍边界值测试：极小价格变动、超大成交量累加、跨品种精度不一致，都要单独验证。 Gnuplot 本身没在本文展开，但它确实能被改造成 MT5 的配套绘图后端——改源码重新编译后，不走文件传命令，而是用编程接口直接交互，延迟更低也更少出错。
◍ 随文开源的脚本与类清单
这套正态分布检验的文章把可复用的 MQL5 代码全打成了附件，想自己跑一遍只需把下面几个文件拖进 MT5 的 MQL5 目录。 erremove.mq5（4.53 KB）负责从采样里剔除异常错误点；function_dstat.mq5（1.35 KB）封装了统计参数计算；function_dhist.mq5（1.21 KB）算直方图数值；function_drankit.mq5（2.46 KB）专门输出画正态刻度图要用的分位值。 s4plot.mq5（10.52 KB）是把四张诊断图绘在同一画布上的示例脚本，接上前面几个函数就能直接看采样偏离度。RNDXor128.mqh（12.01 KB）是 Xorshift128 随机数类，xorshift.zip（38.35 KB）附带了 Marsaglia 的原版论文实现，做蒙特卡洛对照时有用。 外汇与贵金属行情序列非正态特征明显，用这些脚本先做分布诊断再谈策略，属于高杠杆环境下的必要前置；参数别照抄，建议拿自己品种的 M1 数据先验一遍。
记住这一条就够了
样本里混进异常值会直接拉低参数估计精度，小样本下尤其狠——比如 5 个点的序列 4,7,13,16 算出的无偏峰度就能掉到 1 以下，这跟多数人以为峰度不可能小于 1 的直觉相反。 真要处理，最干净的做法是把离群点直接从样本剔掉，但时间序列里这么干要慎之又慎：砍掉原始数据等于篡改过程本身。Denis 和 Victor 在 2011 年那轮讨论里也确认，无偏估计下峰度可小于 1，相关算法已做修正。 外汇和贵金属这类高波动品种，以「低概率」为由手动排除大跳空，往往是实盘悲剧的起点。宁可怀疑数据源、换数据源，也别动手改原始 tick。 下面这行是原文里峰度相关的经验公式，开 MT5 把 n 和 kurt 填进去就能复算样本离散度：
gs=(class="num">1.55+class="num">0.8*MathLog10((class="type">class="kw">double)n/class="num">10.0)*MathSqrt(kurt-class="num">1))*MathSqrt(sum2/(n-class="num">1));