多元回归分析。策略生成程序和策略分析程序二合一·进阶篇
「用回归拆开指标和价格的数学关系」
多元回归干的事，是看清几个独立变量怎么牵动一个依存变量。放到行情里，就是拿 RSI、MACD 这类指标值去套价格变化：价格变化 = a*RSI + b*MACD + c。系数 a、b 只说明每个指标对数字依存关系的贡献度，不证明谁导致谁——这点对外汇、贵金属这种高噪音市场尤其要心里有数。 回归等式描述的是理想依存，实盘里预测值和真实值永远有差，这个差叫残差。残差分析能帮我们嗅出指标和价格之间藏着的 nonlinear 依赖；好消息是回归对轻微偏离线性并不敏感，小布盯盘时不必为一点歪斜就弃用模型。 独立参数不能贪多。若参数数大于观察数，极易拟合出‘看起来很准’但纯靠随机波动的等式。经验底线：观察数应为参数数 10–20 倍。前文那套 EA 样本用了 33 个参数、836 条观察，倍数约 25，刚好踩在可靠线上；这原则同样管着 MT5 策略测试器的优化。 优化器里指标的每个指定值都算一个独立参数。测 10 个指标值就等于引入 10 个维度，报告里该盯一个隐藏比值：平均交易数 / 所有优化参数值数。若比值小于 10，模型大概率过拟合，得再优化。 异常值会往等式里塞假依存。像突发消息后的价格尖峰，几小时剧烈波动里指标基本失效，却在回归里被加权成‘重要’。做贵金属或外汇回测前，先过滤样本或人工排查离群点，比直接跑回归更省事。
用 Statistica 自己炼一条回归策略
想让 MT5 吐出的指标值变成可交易的预测式，第一步是把柱上数据规整成横向指标、纵向连续柱的 CSV。原文配套的 R_collection EA 会在 terminal_data_directory/MQL5/Files 下生成 MasterData.CSV，测试器里则落在 Agent 路径的 Files 目录；它一次性采集 33 个参数，涵盖 AC、Bulls、Bears、DeMarker 等 12 类指标的绝对值、差分（d 前缀）及双倍周期版本（_p 后缀）。 导入 Statistica 8.0 时走 File>Open 选 Data files，文本导入类型退 Delimited 直接 OK，勾上下划线项，小数分隔符务必手填点号，否则欧美报价会整列错位。EURUSD H1 实测采样 2011.01.03–11.11，但建模只取 8–9 月，案例窗口卡在 3590–4664 行，且过滤掉最后一根柱收开差超 250 点的尖峰。 跑 Statistics->Multiple Regression，Advanced 里启用标记项，依存变量挂 Price，独立变量从 Price2 拉到 dWPR。案例选择只留 7–8 月，用 V0 控量，顺手按价格过滤异常值。方法选 Forward Stepwise，程序自动挑出对多重相关有实质贡献的项——本质就是个策略生成器。 结果窗看 Multiple R 与 p 值：p<0.05 才够显著，红显指标才算合格。若溜进无意义参数，回 Summary 找最高 p 值项，退到图 7 删掉重跑；一次剔一个更稳，盯住 Multiple R 别掉太多。本例 33 选 5，相关值掉约 20%，大概率来自大样本随机巧合。外汇与贵金属属高风险，若删完凑不出显著组，说明价格对过往信息近乎失忆，此时依据此类技术分析的仓位应极度谨慎甚至停手。 最终等式取 B 列系数加截距：Price = 22.7 + 205.2*dDemarker - 41686.2*dAC - 139.3*DeMarker + 22468.8*Bulls - 14619.5*Bears。残差分析点 OK 后能看出它对少量异常值、正态偏离不敏感；明显非线性可走 Fixed Nonlinear Regression 线性化。回归只是策略测试器的替代品，炼出式不等于能裸用，MT5 回测前先自己跑一遍残差正态性。
◍ 用回归把上千指标周期塞进一张表
回归分析能一口气吃下成千上万个参数，这让它直接变成策略优化器。把某个指标的 50 个周期拆成 50 个独立参数一次性丢进回归，Statistica 单表上限 65536 个参数，按每指标 50 周期算能同时分析约 1300 个指标，远超 MT5 标准测试器的吞吐。 示例里给数据加了周期翻倍版的指标值，参数名带 '_p' 后缀，样本共 60 个参数。跑完回归得到的等式只留了 11 个：6 个标准周期、5 个扩展周期，参数与价格的相关性比之前提升 25%，MACD 全周期参数也进了等式。 因为不同周期在回归里是独立参数，等式可能同时收下 RSI(7) 与涨相关、RSI(14) 与跌相关——这种粒度标准测试器根本给不出。训练段（2011.7.1–9.1）曲线更平滑、EA 盈利更多；但换到 2011.9.1–11.1 测试段，盈利图比只用标准周期时还差，说明扩展等式得查内部指标的正态性和非线性。 Price = 297 + 173*dDemarker - 65103*dAC - 177*DeMarker + 28553*Bulls_p - 24808*AO - 1057032*dMACDms_p + 2.41*WPR_p - 2.44*Stoch_m_p + 125536*MACDms + 18.65*dRSI_p - 0.768*dCCI 测试段 EA 没崩只是没赚，策略骨架算稳。但要留意 MQL5 单行文件只让输出 64 个参数，跨周期大规模分析得在 Statistica 或 Excel 里先并表再喂回来。外汇与贵金属杠杆高，这类回归优化在外推时段失效的概率不低，上 MT5 前先自己切两段时期验证。
Price = class="num">297 + class="num">173*dDemarker - class="num">65103*dAC - class="num">177*DeMarker + class="num">28553*Bulls_p - class="num">24808*AO - class="num">1057032*dMACDms_p + class="num">2.41*WPR_p - class="num">2.44*Stoch_m_p + class="num">125536*MACDms + class="num">18.65*dRSI_p - class="num">0.768*dCCI
「把这条线请下神坛」
回归分析在 MT5 里并不神秘：它本质是从一堆指标里挑出对价格解释力最强的那个，并顺手把最优周期也找出来。原文附带的 r_check.mq5（9.93 KB）和 r_collection.mq5（17.37 KB）就是把这套逻辑直接写成 MQL5，不需要你深懂编程也能跑。 把回归等式当交易策略的骨架是可行的，但它只是多元统计的一种，不是预测神谕。论坛里有人把它和神经网络类比，原因是在历史样本上两者都容易给出‘看起来很美’的拟合——而这恰恰是外汇、贵金属这种高杠杆高风险市场里最该警惕的错觉。 所以真要验证，下载那两个文件丢进 MT5 回测，重点看样本外表现；拟合优度高只代表过去，实盘仍可能随波动率突变而失效。