利用判别分析开发交易系统·综合运用
（3/3）·手算判别方程太慢？本篇把数据准备、变量选择与EA落地一次跑通
不少交易者把判别分析当成理论玩具，觉得人工算 G1、G2 方程就够用，结果样本一多就漏看变量。真正能用的路子是让 EA 自动采数、软件算模型、MQL5 接盘下单，缺一环都得返工。
「判别分析里挑出那 7 个真变量」
在 MT5 里走 Statistics → Multivariate Exploratory Techniques → Discriminant Analysis，先点 Variables：分组变量放第一栏，本例用 Group；第二栏塞入所有指标变量加一个 Hour（收数据的时间）。点 Select Cases 只取前 700 行做训练，编号由 V0 控制，剩下留着测模型。 DA 对离群值极敏感。价格尖峰这类少见但剧烈的事件会让指标值失真却仍被高权重处理，所以先砍掉组 1 和组 4，只留组 2、组 3 跑分析，避开大幅波动带来的异常值。 开 Advanced 选 Forward Stepwise 逐步判别。每一步扫全部变量，挑对组间区分贡献最大的进模型，循环到不能再分。若弹低公差提示，说明某变量冗余（比如俩变量之和），得回变量窗一个个加、定位后删掉。 跑完看 Summary:Variables，红色的是判别准确度超 95% (p<0.05) 的变量。按统计黄金法则只留高于 95% 的，第一轮剔掉 dBulls、Bulls、FrAMA、Hour，二轮又剔 DeMarker、Stoch_s、AO。 最终 37 个变量里只剩 7 个进模型 (p<0.01)。这 7 个就是对你后续交易系统——含神经网络方案——真正有预测效力的核心输入，外汇贵金属波动高风险，拿去回测前先确认样本区间是否含黑天鹅。
用分类矩阵核验模型在样本内外的表现
DA 跑完后会产出预后模型，以及它作用在训练集上的判别结果。想看模型怎么把样本分组，直接进 Classification 选项卡，点开 Classification matrix 就能拿到一张结果表：行是观测到的真实分类，列是模型算出来的预测分类，命中的格子标绿、错判的标红，最左列用百分比给出预测准确度。 在训练数据上，模型综合预测精度（Total）落在 60%。这个数字只是样本内回看，不能当泛化能力证明。 切到测试集要手动过滤：点 Select 填 v0>700，把没参与建模的那部分数据单独拎出来跑一遍。实测下来，测试样本的综合准确度大概在 55% 左右。外汇市场噪声大、杠杆高，这类判别模型仅提供概率倾向，实盘须自担高风险；55% 的 out-of-sample 命中在汇市已属可继续观察的水平，值得开 MT5 用自己品种复测。
◍ 把判别方程塞进 EA 里跑
判别分析给出的预后模型本质是一组线性方程，指标值被分类进不同组。在 DA 结果窗口的 Classification 选项卡里点开 Classification 函数，就能看到判别方程系数表，本例提取出双方程： Group2 = 157.17*AC - 465.64*Bears + 82.24*dBears - 0.006*dCCI + 761.06*dFrAMA + 2418.79*dMACDm + 0.01*dStoch_ms - 1.035 Group3 = 527.11*AC - 641.97*Bears + 271.21*dBears - 0.002*dCCI + 1483.47*dFrAMA - 726.16*dMACDm - 0.034*dStoch_ms - 1.353 把实时指标值代进去算 Group2 与 Group3，取较大值对应的组作为倾向。示例中若 Group2 > Group3，未来一小时价格图表可能向下移动；反之则倾向反向。外汇与贵金属杠杆高，信号失效时回撤可能很陡，仅作概率参考。 原文的指标与分析周期选择偏随机，但即便这样也足以在 MT5 里验证 DA 的潜力——复制系数、接好指标句柄，让 EA 每根小时线算一遍两组值。
Group2 = class="num">157.17*AC - class="num">465.64*Bears + class="num">82.24*dBears - class="num">0.006*dCCI + class="num">761.06*dFrAMA + class="num">2418.79*dMACDm + class="num">0.01*dStoch_ms - class="num">1.035 Group3 = class="num">527.11*AC - class="num">641.97*Bears + class="num">271.21*dBears - class="num">0.002*dCCI + class="num">1483.47*dFrAMA - class="num">726.16*dMACDm - class="num">0.034*dStoch_ms - class="num">1.353
「画得少，看得清」
把判别分析搬进外汇或贵金属 EA，本质是用历史指标值去挑一组区分度最高的变量，再据此给新行情贴分类标签。这类模型不挑开发功底，MT5 里直接挂上 demo 的 da_demo.mq5 就能跑通，masterdata.zip 里的样本也够你复现一遍。 外汇与贵金属杠杆高、跳空频繁，判别模型给出的只是概率倾向，不等于方向锁定；系数等于零的情况在评论里被证实和示例模型无关，说明变量筛选本身就会淘汰无效维度。 真要落地，别贪多塞几十个指标。先在 H1 跑通胜率分类，再用 H4 或 D1 的数据做上一层预测，层次干净了，过拟合的概率才压得下来。