利用判别分析开发交易系统（基础篇）
用判别分析给行情贴标签
判别分析的核心，是把已发生行情按结果分成若干类（如趋势延续 / 反转 / 震荡），再找一组指标变量建立分类边界。新 K 线进来时，系统按边界把它判进某一类，从而决定开仓方向。 在 MT5 里跑这套思路，先把历史数据打标：例如取 2010–2013 年 EURUSD 的 H1 数据，按未来 20 根 K 线的涨跌幅度超过 30 点记为「上」，低于 -30 点记为「下」，其余为「横」。样本量约 2.7 万根，足够做线性判别。 实盘前务必在 MT5 策略测试器用相同标签规则回测；外汇与贵金属杠杆高、滑点大，判别边界只是概率倾向，不等于下一根必走那一类。
「用判别分析给行情分两类」
技术分析绕不开一件事：判断市场最近往哪走。从统计视角看，这等价于选指标、取数值，再把未来状态归成两类——上行或下行。 判别分析提供了建模路径：它可以根据指标输入数据，训练出一个预测走向的模型。但人工做这套非常吃力，因为分析复杂、所需样本量极大。 MQL5 配合统计软件能把数据采集、准备和应用全自动跑起来。本文示例的采集 EA，可作为在 Statistica 里搭建外汇预后模型的判别分析教程，外汇与贵金属杠杆高、判别仅代表概率倾向，实战须自担风险。
◍ 用判别分析给指标瘦个身
判别分析（DA）本质是一种图案识别方法，神经网络其实可以看成它的一个特例。在外汇和贵金属这类高噪音市场里，多数能跑通的识别型防御系统背后都站着 DA——它帮你把涌入的数据流切进不同分组，并暴露出判别机制本身。 拿一个简化例子看：用 RSI、MACD、RVI 三个指标的数值去预测价格走向。DA 跑完会直接告诉你，RVI 对预测没贡献，可以从分析里砍掉；同时生成两组判别方程，G1 对应上涨情形、G2 对应下跌情形，形式都是 a*RSI + b*MACD + c。 每个 K 线开盘时把实时 RSI、MACD 代进去算 G1 和 G2：G1 大于 G2 就倾向涨，反之倾向跌。这类二元判别在 MT5 里用 iRSI、iMACD 取数后几行代码就能复现，外汇贵金属波动剧烈，信号仅为概率倾向，实盘前务必用历史数据验证误判率。 DA 还有一个隐藏价值：它生成的方程结构和神经网络前向计算非常像。先拿 DA 摸清哪些变量真有用、判别边界长什么样，再决定是否上神经网络，能少走很多弯路。
判别分析的四个落地步骤
判别分析不是一步到位，而是拆成四个阶段推进：先准备数据，再从这批数据里挑出区分度最高的变量，接着拿测试数据去跑模型并验证效果，最后按判别方程把可用模型搭起来。 这套流程在几乎所有现代统计软件里都是内置模块。圈内用得最多的是 Statistica（StatSoft 出品）和 SPSS（IBM 出品），我们后续直接用 Statistica 演示。 文中截图均取自 Statistica 8.0，早期版本界面大同小异。顺带一提，Statistica 还给交易者备了神经网络等一堆工具，外汇和贵金属波动剧烈、杠杆高风险极大，拿这类统计模型做辅助判断时，结论只代表历史样本下的概率倾向，别当单向押注依据。