把行情当作随机变量看
◍ 把行情当作随机变量看
在 MT5 里做价格行为分析，第一步是把每一根 K 线涨跌看成随机变量，而不是确定性事件。这样你才会用概率分布去描述波动，而不是凭感觉喊方向。 外汇与贵金属杠杆高、跳空频繁，把价格当正态变量直接套用会吃大亏，真实分布往往厚尾。 MQL5 内置的统计函数能直接拉取历史序列做均值、方差计算，下面这段是取最近 N 根收盘价做基础统计的骨架，复制到脚本里就能跑。
「价格波动本身就是统计样本」
很多人以为统计学是回测报告里才用得上的东西，其实 MT5 里那根蜡烛图，本质就是标的在时间点上的统计分布。你看到的每个收盘价，都是经纪商已经替你完成采集和衡量的结果，交易者手里拿到的永远是二手但成形的数据。 技术分析之所以能用来判断买卖，是因为指标和价格形态背后全在跑统计：均线算的是均值，布林带算的是标准差，连你肉眼看的支撑阻力，也是历史频率的直觉化。外汇和贵金属市场高杠杆、跳空频繁，这种统计规律只代表概率倾向，不等于下次一定重复。 所以别把图表当真理，把它当一份持续更新的样本集更实在。理解了采集—衡量—分析这三步，你调参数时才清楚自己到底在改分布的哪一段。
掷硬币看清统计与概率的纠缠
把 EURUSD 小时图看作两种货币关系的状态记录，每一根 K 线都是该关系在某一时刻的取值。为什么这段是跌而不是涨？底层答案只有一个词：概率。对象取这个值或那个值，都由概率分布决定，而不是由我们的愿望决定。 拿一枚公平硬币做实验最能说明问题。理论概率正反面各 0.5，前 10 次掷出 8 正 2 反，前 100 次掷出 53 正 47 反。次数少的时候偏差能大到 80%/20%，次数拉到 100 才收敛到 53%/47% 附近。 反过来若事先不知硬币是否公平，用统计倒推概率：10 次样本算出的 0.8/0.2 会误判硬币有偏，100 次样本算出的 0.53/0.47 才能较准确定论它是公平的。实验次数越多，统计反映对象真实特性的误差越小。 对交易者来说，手里的历史行情是统计，要预测的下一段价格行为是概率。挑战在于用有限样本去估分布、再下买卖决策。外汇与贵金属杠杆高、价格受宏观事件扰动，这种由统计推概率的做法天然带误差，任何推断都只是倾向而非确定。
◍ 从身高样本拆开六个统计量
拿一组 10 人的身高（cm）当样本：173、162、194、181、186、159、173、178、168、171。样本大小 n=10，所有下面算出来的数都只是这组样本的统计量，不是总体随机变量的真值。 样本平均值把 10 个数加总除以 10，得到 174.5 cm。这是后续所有离差计算的锚点。 样本方差描述数据散得多开：先求每个值减均值的平方和，再除以 n-1=9，本例得出 113.611。方差大说明有个别值离均值远，比如 159 和 194 都拉高了它。 样本偏度看分布是否对称。按公式算立方偏差和并做方差 2/3 次幂缩放，本例偏度仅 0.372981，因为高低偏离互相抵消；若换成强偏分布，偏度能到 1.384651。 样本峰度衡量尖峭程度。身高数据算完得 -0.1442285，若为极尖锐峰值，该量可冲到 10 上下。 再加 10 个体重数据（65、70、83、60、105、58、69、90、78、65）配对看。协方差 = 各对(身高差×体重差)之和除以 9，得 91.2778；但图上可见身高升时体重常降，说明两样本并非独立。 相关系数把协方差除以两方差平方根之积，约束在 [-1,1]。本例身高体重相关系数 0.579098，属中等正向线性依存。外汇与贵金属价格序列做同样计算时，样本非平稳，高风险，相关可能在行情切换中骤变，建议直接开 MT5 用历史数据跑一遍验证。
「移动平均线就是最直白的统计样本」
要把统计学落进图表，最省事的入口就是移动平均线（MovingAverage）。它干的事很朴素：取一段窗口里的价格，算算术平均。公式写成 MA = (P[1]+P[2]+…+P[n]) / n，其中 P[i] 是第 i 根 K 线的价格，n 是回看根数。 这东西本质上和统计里的样本均值同构，没有任何魔法。但它并不只是拿来画一条线——指数移动平均（EMA）的递推计算就建立在它之上，而 MACD 的核心差分项直接吃 EMA 的输出。 也就是说，你在 MT5 里拖出的 MACD 指标，底层依赖的仍是这个最基础的统计平均。外汇与贵金属波动大、跳空频繁，均线滞后与样本偏差的高风险始终存在，用它判趋势强度只能当作概率参考而非定论。
用 Statistics.mqh 跑一遍基础统计量
MT5 自带的 statistics.mqh 把均值、方差、偏度、峰度、协方差和相关系数都封装成了独立函数，调用时严格按依赖顺序走：方差要先行算好的均值，偏度峰度再吃均值加方差，相关系数则必须拿到两序列协方差和各自方差。 下面这段脚本直接塞了 10 个身高（cm）和 10 个体重（kg）的样例，顺手把六个量全算出来打到日志。身高样本均值约 174.5、体重均值约 74.3，这种小样本跑出来偏度峰度波动会很大，只看绝对值容易误判分布形态。 外汇和贵金属行情序列用同一套函数时，记得先去趋势或分段，否则长周期均值会被单边行情拽偏，算出的协方差参考意义有限，杠杆品种本身高风险，统计结论只代表历史样本的概率倾向。 代码逐行拆解： #include <Statistics.mqh> 引入统计库，否则 Average / Variance 等全都未定义。 void OnStart() 脚本入口，MT5 跑脚本只认这个函数。 double arrX[10]={173,162,194,181,186,159,173,178,168,171}; 身高样本数组，长度 10。 double arrY[10]={65,70,83,60,105,58,69,90,78,65}; 体重样本数组，与 arrX 一一对应。 double mx=Average(arrX); 算 arrX 均值。 double my=Average(arrY); 算 arrY 均值。 double dx=Variance(arrX,mx); 用已得均值算 arrX 方差。 double dy=Variance(arrY,my); 算 arrY 方差。 double as=Asymmetry(arrX,mx,dx); 传均值和方差算偏度。 double exc=Excess(arrX,mx,dx); 传同样参数算超额峰度。 double cov=Cov(arrX,arrY,mx,my); 两序列均值传入算协方差。 double corr=Corr(cov,dx,dy); 协方差加两方差算相关系数。 PrintFormat("mx=%.6e",mx); 以科学计数法六位打印均值，其余同理。
class="macro">#include <Statistics.mqh> class=class="str">"cmt">//+------------------------------------------------------------------+ class=class="str">"cmt">//| Script program start function | class=class="str">"cmt">//+------------------------------------------------------------------+ class="type">void OnStart() { class=class="str">"cmt">//--- specify two data samples. class="type">class="kw">double arrX[class="num">10]={class="num">173,class="num">162,class="num">194,class="num">181,class="num">186,class="num">159,class="num">173,class="num">178,class="num">168,class="num">171}; class="type">class="kw">double arrY[class="num">10]={class="num">65,class="num">70,class="num">83,class="num">60,class="num">105,class="num">58,class="num">69,class="num">90,class="num">78,class="num">65}; class=class="str">"cmt">//--- calculate the mean class="type">class="kw">double mx=Average(arrX); class="type">class="kw">double my=Average(arrY); class=class="str">"cmt">//--- to calculate the variance, use the mean value class="type">class="kw">double dx=Variance(arrX,mx); class="type">class="kw">double dy=Variance(arrY,my); class=class="str">"cmt">//--- skewness and kurtosis values class="type">class="kw">double as=Asymmetry(arrX,mx,dx); class="type">class="kw">double exc=Excess(arrX,mx,dx); class=class="str">"cmt">//--- covariance and correlation values class="type">class="kw">double cov=Cov(arrX,arrY,mx,my); class="type">class="kw">double corr=Corr(cov,dx,dy); class=class="str">"cmt">//--- print results in the log file PrintFormat("mx=%.6e",mx); PrintFormat("dx=%.6e",dx); PrintFormat("as=%.6e",as); PrintFormat("exc=%.6e",exc); PrintFormat("cov=%.6e",cov); PrintFormat("corr=%.6e",corr); }
◍ 最后一句大实话
前面几节把正态、方差、相关性这些统计地基铺开了，但评论区里 СанСаныч Фоменко 和 _____Life_Line 的质疑才是真刀真枪：外汇和贵金属价格序列大多是非平稳的，用几十年样本算出的均值、方差放到危机里可能完全失效，随机序列靠概率不对称和期望正负也能啃下收益，而不是靠预测。 所以别把课本统计当圣经，开 MT5 把一段 EURUSD 的 H1 丢进 iMA 和 iStdDev 跑一遍，看不同窗口下均值是不是漂移，比背公式有用。市场高风险，统计只是帮你少交学费，不是给你印钞机。