📘

使用指数平滑法进行时间序列预测（续）（基础篇）

Q: 做外汇复盘时怎么看指数平滑预测残差里的假突破信号？

把预测值和实线价差画成副图，残差连续反向放大且超过近20根平均2倍时，大概率不是噪声而是价格行为转弱，贵金属和外汇杠杆高，先减仓观察。

Q: 为什么看EMA预测只盯前三四步而不是更远？

指数平滑的记忆衰减快，三步外预测方差飙升、实用信息少；把诊断精力放在1-3步残差，更容易抓到当下盘口偏离。

Q: 小布能怎么帮我盯指数平滑预测的残差异常？

小布可对你打开的品种自动算EMA预测残差基线，越线时推送提醒，你只管判断是不是真信号，不用自己写指标跑数据。

Q: 误差基线一般取多少根K线合适，外汇小时图呢？

小时图用最近50-100根算残差均值和标准差够用；样本太短易被单根针扫到，太长则跟不上品种波动 regime 切换。

Q: 残差平方和写到什么时候算收敛、能停优化？

相邻两次迭代平方和变动小于1e-4且连续5次不降，可判收敛；外汇高风险，别为省计算硬跑过百次，边际收益很低。

第 1/3 篇

本章目录

EMA 预测残差里的价格行为信号
为什么只盯前几步预测
从指数平滑指标挖第一铲误差基线
把优化目标从一步误差扩到三步
残差平方和的收敛判定写法

◍ EMA 预测残差里的价格行为信号

指数平滑本质是拿历史序列做加权递推，越近的 tick 权重越高。在 MT5 里跑一遍基础 EMA 预测，残差（实际值减预测值）的分布往往不是理想白噪声，而是带波动聚集。 Victor 在 2014-01-09 发布的该指标示例，历史浏览 3532、评论 8，说明这类轻量预测工具在 MT5 社区长期有低频但真实的需求。把残差当偏离度看：残差持续为正且扩大，价格倾向强于平滑趋势；残差为负的深谷，往往是回调或反转的概率区。外汇与贵金属杠杆高，残差信号仅作参考，实盘须自担风险。

「为什么只盯前几步预测」

前一篇文章里我们试过提前 12 步预测货币报价，但长周期上基本拿不到能用的结果。模型在置信区间最窄的前几步里误差最小，所以实务上该把注意力压在头几步，而不是去赌十步开外的点位。提前 10 到 12 步的预测更多是拿来观察不同模型和预测方法的行为差异，比如线性衰减增长假设在远端怎么走形。任何预测范围的准确度都能用置信区间边界去量化，不是靠肉眼判断。本文不重复写极小值搜索算法，那套在前文已用于生成指标参数。我们尽量少堆理论，直接给提升 [1] 中指标准确性的可行改法，外汇和贵金属波动大，这类预测仅作概率参考，实盘仍属高风险。

从指数平滑指标挖第一铲误差基线

IndicatorES.mq5 是这次改造的起点，编译它必须同目录备齐三个文件：IndicatorES.mq5、CIndicatorES.mqh 和 PowellsMethod.mqh，都封在文末 files2.zip 里。它跑的是带线性衰减的增长模型——序列级别平滑、趋势平滑、衰减三个参数都锁在 [0,1]，每个新柱重算最优参数并吐出提前多步预测和置信带。指标只有一个输入：研究区间长度，用来框定优化窗和选初值。每根 K 线都重新优化，所以它是滚动自适应而非固定系数。验证用的是 Dataset2 目录里的 EURUSD、USDCHF、USDJPY 与 DXY，每个品种给 M1/H1/D1 三周期，文件末尾是最新值，各含 1200 个元素。脚本 Errors_IndicatorES.mq5 把 12 个序列各切 50 个重叠区间（每区 80 点），算提前 1~3 步的 MAPE。初始基线出来了：IndicatorES 的 MAPE1=0.2099、MAPE2=0.2925、MAPE3=0.3564，三项平均 MAPE1-3=0.2863。外汇与贵金属报价高波动、杠杆风险大，这个数字只是历史样本的平均偏离，不代表任何未来胜率。拿到这条误差底线，下一步就能拿去卡升级版指标有没有真进步。

◍ 把优化目标从一步误差扩到三步

指数平滑类指标最初靠最小化「提前一步预测误差平方和」来定参数。逻辑上，只为一步误差优化的参数，放到提前多步预测时未必还最优；想直接把 10~12 步误差压到最低，在给定样本里基本做不到。现实做法是把提前一、二、三步的预测误差平方和一起塞进目标函数，用来做指标的第一次升级。这种改动不碰模型主体结构，只是换参数优化准则，所以别指望精度翻几倍，但前两步、三步的误差数量应当能往下掉一点。我们建了 CMod1 类，结构类似原 CIndicatorES，只改了 func 目标函数。基于它写的 Errors_Mod1.mq5 脚本能估算预测误差，和之前的 Errors_IndicatorES.mq5 一个路子，相关文件在 files2.zip 里。表 2 的对比数据很直白：Mod1 的 MAPE2 从 0.2925 降到 0.2898，MAPE3 从 0.3564 降到 0.3486，MAPE1-3 均值从 0.2863 降到 0.2842。误差系数确实略低，这一版就先留着继续改。外汇与贵金属行情受杠杆影响大，此类统计优化仅降低历史样本误差，实盘信号失效风险高。

MQL5 / C++

class="type">class="kw">double CIndicatorES::func(const class="type">class="kw">double &p[])
  {
  class="type">int i;
  class="type">class="kw">double s,t,alp,gam,phi,k1,k2,k3,e,sse,ae,pt;
  
  s=p[class="num">0]; t=p[class="num">1]; alp=p[class="num">2]; gam=p[class="num">3]; phi=p[class="num">4]; k1=class="num">1; k2=class="num">1; k3=class="num">1;
  if     (alp>class="num">0.95){k1+=(alp-class="num">0.95)*class="num">200; alp=class="num">0.95;}        class=class="str">"cmt">// Alpha  > class="num">0.95
  else if(alp<class="num">0.05){k1+=(class="num">0.05-alp)*class="num">200; alp=class="num">0.05;}        class=class="str">"cmt">// Alpha  < class="num">0.05
  if     (gam>class="num">0.95){k2+=(gam-class="num">0.95)*class="num">200; gam=class="num">0.95;}       class=class="str">"cmt">// Gamma  > class="num">0.95
  else if(gam<class="num">0.05){k2+=(class="num">0.05-gam)*class="num">200; gam=class="num">0.05;}        class=class="str">"cmt">// Gamma  < class="num">0.05
  if     (phi>class="num">1.0 ){k3+=(phi-class="num">1.0 )*class="num">200; phi=class="num">1.0; }        class=class="str">"cmt">// Phi     > class="num">1.0
  else if(phi<class="num">0.05){k3+=(class="num">0.05-phi)*class="num">200; phi=class="num">0.05;}        class=class="str">"cmt">// Phi     < class="num">0.05
  sse=class="num">0;
  for(i=class="num">0;i<Dlen;i++)
    {
    e=Dat[i]-(s+phi*t); sse+=e*e;
    ae=alp*e; pt=phi*t; s=s+pt+ae; t=pt+gam*ae;
    }
  class="kw">return(Dlen*MathLog(k1*k2*k3*sse));
  }
class="type">class="kw">double CMod1::func(const class="type">class="kw">double &p[])
  {
  class="type">int i;
  class="type">class="kw">double s,t,alp,gam,phi,k1,k2,k3,e,err,ae,pt,phi2,phi3,a;
  
  s=p[class="num">0]; t=p[class="num">1]; alp=p[class="num">2]; gam=p[class="num">3]; phi=p[class="num">4]; k1=class="num">1; k2=class="num">1; k3=class="num">1;
  if     (alp>class="num">0.95){k1+=(alp-class="num">0.95)*class="num">200; alp=class="num">0.95;         class=class="str">"cmt">// Alpha   > class="num">0.95
  else if(alp<class="num">0.05){k1+=(class="num">0.05-alp)*class="num">200; alp=class="num">0.05;}        class=class="str">"cmt">// Alpha   < class="num">0.05
  if     (gam>class="num">0.95){k2+=(gam-class="num">0.95)*class="num">200; gam=class="num">0.95;}        class=class="str">"cmt">// Gamma   > class="num">0.95
  else if(gam<class="num">0.05){k2+=(class="num">0.05-gam)*class="num">200; gam=class="num">0.05;}        class=class="str">"cmt">// Gamma   < class="num">0.05
  if     (phi>class="num">1.0 ){k3+=(phi-class="num">1.0 )*class="num">200; phi=class="num">1.0; }        class=class="str">"cmt">// Phi     > class="num">1.0

「残差平方和的收敛判定写法」

这段逻辑收在 theta 函数尾部，专门处理 phi 被压到 0.05 以下的边界：当 phi<0.05 时，k3 累加 (0.05-phi)*200 并把 phi 拉回 0.05，相当于对过度衰减的平滑因子做惩罚。随后用 phi、phi2=phi+phi*phi、phi3=phi2+phi*phi*phi 构造三阶滞后投影，在 Dlen-2 的主循环里逐点算 Dat[i] 与 (s+phi*t) 的偏差，把 e*e、a*a 全部累进 err。循环里同步更新 s 和 t：ae=alp*e、pt=phi*t，s=s+pt+ae、t=pt+gam*ae，这是标准 theta 状态递推。末尾补算 Dlen-2 与 Dlen-1 两点的残差，再对最后一点用更新后的 s、t 算一次 phi 投影误差，最后 return(k1*k2*k3*err)。你在 MT5 里把 Dlen 设成 100、alp=0.3、gam=0.1 跑一遍，err 数量级通常在 1e2~1e4 区间，可直接拿来当优化器的适应度。外汇与贵金属波动跳变多，这种残差对异常值敏感，实盘前务必用历史 Tick 验证过拟合风险。