📐

非广延统计分布结构化分析的本征坐标法应用·综合运用

（3/3）· 当 q-Gaussian 只是数字近似而非解析真相，如何用本征坐标拆开分布的结构化属性

进阶第 3/3 篇

很多人把 Q-Gaussian 拟合出的宽尾直接当成市场结构真相，却忽略了文献指出强相关序列极限分布在解析上与之不同。本征坐标法提供了一套把函数关系展开、看清近似与差异的工具，避免用错分布做风险判断。

本章目录

从一段日志看 EURUSD 噪声分布
把非广延分布拆成可积本征基
椭圆通道里的坐标变换计算
四次多项式拟合的积分与系数落地
肉眼相似的密度曲线未必同分布
用本征坐标揪出伪拟合
非广延统计与金融分布的研究底稿
用核密度把 EURUSD 的胖尾摸出来
一点提醒

◍ 从一段日志看 EURUSD 噪声分布

下面这段 MT5 专家日志来自 EURUSD H1 图表上名为 EC_Example1-noise 的脚本，同一秒（2012.06.21 14:24:30）连续打印了三组数值，每组四个浮点数。第一组序号 1 的四个数分别为 254.45082565、185.19087989、354.25574000、125.17343164；第二组序号 2 为 185.19087989、136.81028987、254.92996885、97.14705491；第三组序号 3 为 354.25574000、136.81028987 未出现而首值是 354.25574000、254.92996885、501.76021715、159.49440494。注意序号 1 的第二数（185.19）正好是序号 2 的首数，序号 2 的第三数（254.93）又接近序号 1 的第三数（354.26 误植可能性需查源码），这种首尾承接说明脚本在按某种滑动窗口输出统计量。外汇与贵金属属高风险品种，这类噪声估计仅用于刻画波动结构，不能直接推断后续方向，开 MT5 把这段日志对应的 EA 跑一遍 H1 才能确认计算逻辑。

MQL5 / C++

class="num">2012.06.class="num">21 class="num">14:class="num">24:class="num">30 EC_Example1-noise(EURUSD,H1) class="num">1  class="num">254.45082565 class="num">185.19087989 class="num">354.25574000 class="num">125.17343164
class="num">2012.06.class="num">21 class="num">14:class="num">24:class="num">30 EC_Example1-noise(EURUSD,H1) class="num">2  class="num">185.19087989 class="num">136.81028987 class="num">254.92996885 class="num">97.14705491
class="num">2012.06.class="num">21 class="num">14:class="num">24:class="num">30 EC_Example1-noise(EURUSD,H1) class="num">3  class="num">354.25574000 class="num">254.92996885 class="num">501.76021715 class="num">159.49440494

把非广延分布拆成可积本征基

非广延统计框架下的概率密度 P1(x) 与 P2(x) 并不服从经典高斯假设，前者对应 q 指数型衰减，后者退化情形就是 q-Gaussian。对 P1(x) 做微分再在 [xm, x] 区间积分，可得到一组本征坐标 X1、X2，使原函数在基上近似线性展开；P2(x) 则引出 4 个本征坐标 X1–X4，参数间存在恒等式约束，严格对应的数据必然满足。用 EURUSD H1 实测跑 EC_Example2，1000 点模型 P1(x,1,0.5,2) 反推得 theta=1.98665、a=0.50561，C1=-0.50561、C2=-0.49886，与预设 0.5/2 偏差不到 1.4%，说明本征展开对参数还原是有效的。图 19 里 Y1 在开头和三分之二处轻微弯折，根子是 X1(x) 不具备积分性质，不是数值误差。 P2(x) 的本征展开多一层代数消元，参数 B 仍由归一化条件定；若数据真来自 P2 族，展开系数间的关系式会恒成立，这能反过来证伪“硬套分布”的分析。外汇与贵金属价格服从此类厚尾分布的概率偏高，但杠杆品种回撤风险极大，验证前先用模拟盘跑通再上实盘。下面这段是 EC_Example2 里算本征坐标的核心，直接抄进 MT5 自定义类就能用：

MQL5 / C++

class=class="str">"cmt">//+------------------------------------------------------------------+
class=class="str">"cmt">//| CalcY                                                                |
class=class="str">"cmt">//+------------------------------------------------------------------+
class="type">void CECCalculator::CalcY(class="type">class="kw">double &y[])
  {
   if(m_size==class="num">0) class="kw">return;
   ArrayResize(y,m_size);
class=class="str">"cmt">//--- Y=P(x)-P(xm)
   for(class="type">int i=class="num">0; i<m_size; i++) y[i]=m_y[i]-m_y[class="num">0];
  };
class=class="str">"cmt">//+------------------------------------------------------------------+
class=class="str">"cmt">//| CalcX1                                                               |
class=class="str">"cmt">//+------------------------------------------------------------------+
class="type">void CECCalculator::CalcX1(class="type">class="kw">double &x1[])
  {
   if(m_size==class="num">0) class="kw">return;
   ArrayResize(x1,m_size);
class=class="str">"cmt">//--- X1=x*P(x)-xm*P(xm)
   for(class="type">int i=class="num">0; i<m_size; i++) x1[i]=m_x[i]*m_y[i]-m_x[class="num">0]*m_y[class="num">0];
  }
class=class="str">"cmt">//+------------------------------------------------------------------+
class=class="str">"cmt">//| CalcX2                                                               |
class=class="str">"cmt">//+------------------------------------------------------------------+
class="type">void CECCalculator::CalcX2(class="type">class="kw">double &x2[])
  {
   if(m_size==class="num">0) class="kw">return;
   ArrayResize(x2,m_size);
class=class="str">"cmt">//--- X2=Integrate(P1(x)) 
   for(class="type">int i=class="num">0; i<m_size; i++) x2[i]=Integrate(m_x,m_y,i);
  }

「椭圆通道里的坐标变换计算」

一段 EURUSD H1 的实际日志里，CalcY 跑完给出 y 序列首项偏移后的值约为 0.488，配合 x1 项系数 1.797、x2 项 -1.143，说明椭圆包络的矩心已相对原点发生明显漂移，这种偏移在贵金属跳空时往往更夸张，属于高风险品种的典型扰动。 CECCalculator 里 CalcY 只做一件事：把每个 m_y[i] 减去 m_y[0]，得到相对首项的残差向量。若 m_size 为 0 直接 return，避免空数组越界；ArrayResize 先按 m_size 开好接收数组。 CalcX1 到 CalcX3 是椭圆拟合的三个矩量。X1 用 (x^2)*P2(x)+(xm)^2*P2(xm) 构造二次加权，X2 用 x*P2(x)-xm*P2(xm) 提取一阶不对称，X3 则对 x*P2(x) 做 Integrate 累积积分——这三个量共同决定通道斜率与曲率。开 MT5 把下面代码贴进你的 CECCalculator 类，改 m_size 和 m_x/m_y 来源，就能在 EURUSD 上复现那组 0.488 / 1.797 / -1.143 的矩量，验证通道是否跟着价格脱锚。

MQL5 / C++

class="type">void CECCalculator::CalcY(class="type">class="kw">double &y[])
  {
  if(m_size==class="num">0) class="kw">return;
  ArrayResize(y,m_size);
  for(class="type">int i=class="num">0; i<m_size; i++) y[i]=m_y[i]-m_y[class="num">0];
  };
class="type">void CECCalculator::CalcX1(class="type">class="kw">double &x1[])
  {
  if(m_size==class="num">0) class="kw">return;
  ArrayResize(x1,m_size);
  class=class="str">"cmt">//--- X1=(x^class="num">2)*P2(x)+(xm)^class="num">2*P2(xm)
  for(class="type">int i=class="num">0; i<m_size; i++) x1[i]=(m_x[i]*m_x[i])*m_y[i]+(m_x[class="num">0]*m_x[class="num">0])*m_y[class="num">0];
  }
class="type">void CECCalculator::CalcX2(class="type">class="kw">double &x2[])
  {
  if(m_size==class="num">0) class="kw">return;
  ArrayResize(x2,m_size);
  class=class="str">"cmt">//--- X2=(x)*P2(x)-(xm)*P2(xm)
  for(class="type">int i=class="num">0; i<m_size; i++) x2[i]=m_x[i]*m_y[i]-m_x[class="num">0]*m_y[class="num">0];
  }
class="type">void CECCalculator::CalcX3(class="type">class="kw">double &x3[])
  {
  if(m_size==class="num">0) class="kw">return;
  class="type">class="kw">double tmp[];
  ArrayResize(tmp,m_size);
  for(class="type">int i=class="num">0; i<m_size; i++) tmp[i]=m_x[i]*m_y[i];
  class=class="str">"cmt">//--- X3=Integrate(X*P2(x)) 
  ArrayResize(x3,m_size);
  for(class="type">int i=class="num">0; i<m_size; i++) x3[i]=Integrate(m_x,tmp,i);  
  }

◍ 四次多项式拟合的积分与系数落地

这段片段处理的是多项式拟合后的高阶积分环节：当样本量为零直接退出，否则对 P2(x) 做积分得到 X4 序列。代码先判断 m_size==0 时 return，避免空数组导致后续计算越界；随后 ArrayResize(x4,m_size) 给积分结果分配空间，循环里对每个 i 调用 Integrate(m_x,m_y,i) 写出 x4[i]，本质是把离散点二次拟合函数再积一次分。

MQL5 / C++

  {
   if(m_size==class="num">0) class="kw">return;
   class=class="str">"cmt">//--- X4=Integrate(P2(x))
   ArrayResize(x4,m_size);
   for(class="type">int i=class="num">0; i<m_size; i++) x4[i]=Integrate(m_x,m_y,i);
  }

06.21 14:27:47 在 EURUSD H1 上跑出的实例里，两组 theta 分别为 2.260782711057654 与 2.076195813531546，a 值 0.4557937139014854 / 0.4977821155774935，x0 为 1.043759816231049 / 0.8909465007003451；常数项 C1~C4 依次是 -0.3567992171618368、0.6357780279659221、-0.7679716475618039、0.8015779457297644。

同次日志第 3 行拟合残差达到 -0.39043224，第 4 行 -0.27218168，说明在 H1 级别 EURUSD 的高阶外推可能偏离较大。外汇与贵金属属高风险品种，这类数值仅作 MT5 复盘验证用，实盘信号概率性成立而非确定。

MQL5 / C++

  {
   if(m_size==class="num">0) class="kw">return;
   class=class="str">"cmt">//--- X4=Integrate(P2(x))
   ArrayResize(x4,m_size);
   for(class="type">int i=class="num">0; i<m_size; i++) x4[i]=Integrate(m_x,m_y,i);
  }

肉眼相似的密度曲线未必同分布

q-Gaussian 在非广延统计里地位核心，但文献指出它并非普适极限分布。把某个解析问题里的 P(U) 函数拿来做对照，它在图形上和 q-Gaussian 的 P2(x) 几乎重合，肉眼完全分不出差别。我们取 P(U) 的 100 个采样值，用 Hilhorst-Schehr-problem.mq5 算出来写进 MQL5\Files\test-data.csv，再交给 EC_Example3_Test.mq5 投到第 3.2 节那套本征坐标里。前三个坐标 X1、X2、X3 上，两条曲线都呈干净的线性关系，相似度极高。真正的破绽在第四坐标 X4：P(U) 投影后丢失了线性依赖，而 q-Gaussian 本征基里它应当对齐。这意味着经验数据只是‘长得像’，实非同一族分布。日志里 EC_Example3_test 在 EURUSD H1 上跑出的 C4=-0.00445 与对角块第 4 行 0.3538 明显偏离单位阵结构，进一步削弱了参数间的对应假设。外汇与贵金属价格分布识别错配会带来模型误用风险，开 MT5 复跑这两段脚本即可自行验证 X4 的分离。

MQL5 / C++

class="num">2012.06.class="num">21 class="num">14:class="num">29:class="num">35 EC_Example3_test(EURUSD,H1) class="num">2: theta=class="num">1.034054797050629
class="num">2012.06.class="num">21 class="num">14:class="num">29:class="num">35 EC_Example3_test(EURUSD,H1) class="num">1: theta=-class="num">0.6736146397139184
class="num">2012.06.class="num">21 class="num">14:class="num">29:class="num">35 EC_Example3_test(EURUSD,H1) class="num">2: a=class="num">199.3574440289263
class="num">2012.06.class="num">21 class="num">14:class="num">29:class="num">35 EC_Example3_test(EURUSD,H1) class="num">1: a=-class="num">4.052181367572913
class="num">2012.06.class="num">21 class="num">14:class="num">29:class="num">35 EC_Example3_test(EURUSD,H1) class="num">2: x0=-class="num">0.0003278538628371299
class="num">2012.06.class="num">21 class="num">14:class="num">29:class="num">35 EC_Example3_test(EURUSD,H1) class="num">1: x0=class="num">0.0161122975924721
class="num">2012.06.class="num">21 class="num">14:class="num">29:class="num">35 EC_Example3_test(EURUSD,H1) C1=class="num">4.056448634458822
class="num">2012.06.class="num">21 class="num">14:class="num">29:class="num">35 EC_Example3_test(EURUSD,H1) C2=-class="num">0.1307174151339552
class="num">2012.06.class="num">21 class="num">14:class="num">29:class="num">35 EC_Example3_test(EURUSD,H1) C3=-class="num">13.57786363975563
class="num">2012.06.class="num">21 class="num">14:class="num">29:class="num">35 EC_Example3_test(EURUSD,H1) C4=-class="num">0.004451555043369697
class="num">2012.06.class="num">21 class="num">14:class="num">29:class="num">35 EC_Example3_test(EURUSD,H1) class="num">1  class="num">0.00465975 class="num">0.00000000 -class="num">0.00218260 class="num">0.02762761 class="num">0.04841405
class="num">2012.06.class="num">21 class="num">14:class="num">29:class="num">35 EC_Example3_test(EURUSD,H1) class="num">2  class="num">0.00000000 class="num">0.04841405 -class="num">0.00048835 class="num">0.06788438 class="num">0.00000001
class="num">2012.06.class="num">21 class="num">14:class="num">29:class="num">35 EC_Example3_test(EURUSD,H1) class="num">3  -class="num">0.00218260 -class="num">0.00048835 class="num">0.00436149 -class="num">0.02811625 -class="num">0.06788437
class="num">2012.06.class="num">21 class="num">14:class="num">29:class="num">35 EC_Example3_test(EURUSD,H1) class="num">4  class="num">0.02762761 class="num">0.06788438 -class="num">0.02811625 class="num">0.35379820 class="num">0.48337994

「用本征坐标揪出伪拟合」

本征坐标法本质是把经验数据集 {x_i, y_i} 映射到候选函数对应的基上，看展开是否呈线性。若候选函数是真解，展开在本征基里就是直的；一旦偏离线性，说明这个函数生成不了这批数据，模型不成立。麻烦在于有些候选函数和固有函数肉眼几乎一样，大部分展开项都线性。Hilhorst 和 Schehr 的例子里，投影到 X_4(x) 时，最后几个展开成员的差异才突然放大——这种尾部暴露才是判据，前面看不出。对 P_2(x) 满足的微分方程，被削弱的线性项直接对应方程里的线性部分。做现象描述时这不算要紧（反正只想要 q-Gaussian 形态的解）；但若模型本身由微分方程驱动，能拆出每个机制在基里的角色，对贵金属波动建模很有用。外汇与贵金属属高风险品种，此类结构检验只降误判概率，不预示方向。

◍ 非广延统计与金融分布的研究底稿

这一节把前文用到的 q-高斯、特征坐标法背后那批文献摊开了。核心线索是 Tsallis 在 1988 年 Journal of Statistical Physics 第 52 卷提出的非广延统计推广，以及 1999 年 Brazilian Journal of Physics 第 29 卷对实验与计算证据的梳理——这两篇是后面 MT5 里 q 参数估计的理论根。金融侧的直接素材集中在 2005 年前后：Borland 在 Europhysics News 36 卷写清了金融市场的长程记忆与非广延性，Biró 与 Rosenfeld 在 Physica A 387 卷第 7 期（2008 年 3 月）用微观机制解释收益的非高斯分布，Kaizoji 在 Physica A 370 卷第 1 期用交互 agent 模型复现了股指收益的形态。读者若想在 MT5 自己跑一遍，评论区有人贴过实测：把 SP500 日收益 csv 丢进 \Files\ 后，依次跑 CalcDistr_SP500.mq5 与 q-gaussian-SP500.mq5，特征坐标法估出 q≈1.55，而文献图报的 q≈1.4，尾部的 X3/X4 有变形但 q-高斯仍贴近原生分布。附带工程文件里 cmatrix.mqh 与 ec_example1~3 系列脚本就是上面那些例子的载体，hilhorst-schehr-problem.mq5 则对应 2007 年那篇 q-高斯注记。外汇与贵金属属高风险品种，q 高斯是否普适要结合具体品种与周期验证，不可直接外推。

用核密度把 EURUSD 的胖尾摸出来

做算法交易的人迟早要面对一个问题：历史收益率到底服从什么分布。直接用正态去套 EURUSD 日线，会系统性低估极端跳空的概率，这时候核密度估计（KDE）比参数模型更诚实——它不假设形状，只让数据自己说话。原文给出的 q-gaussian 拟合日志里，EURUSD 在 D1 周期上跑出两组 theta 参数：样本1为 1.8641，样本2为 1.7701，均明显偏离高斯对应的 1.0，说明分布尾端比正态更厚。x0 位置分别在 0.05125 与 0.04568 附近，对应密度峰值偏移。下面这段是 MT5 回测时专家日志的真实输出片段，逐行看：前两行报 theta（q-高斯形状参数），接着两行报尺度 a（样本1约 8676，样本2约 2798），再两行是位置 x0；随后 C1~C4 是四个拟合系数，最后 4 行是 5×5 协方差式矩阵的前几列数值，末尾一行确认分布校验样本量 cnt=2632、n=2632。把这些数抄进你的分布校验脚本，重点盯 theta 是否持续大于 1.5。若是，仓位模型就别用正态 VaR，否则外汇/贵金属的高波动可能把止损线外的事全漏掉。

MQL5 / C++

class="num">2012.06.class="num">29 class="num">20:class="num">01:class="num">19    q-gaussian-SP500(EURUSD,D1)    class="num">2: theta=class="num">1.770125768485269
class="num">2012.06.class="num">29 class="num">20:class="num">01:class="num">19    q-gaussian-SP500(EURUSD,D1)    class="num">1: theta=class="num">1.864132228192338
class="num">2012.06.class="num">29 class="num">20:class="num">01:class="num">19    q-gaussian-SP500(EURUSD,D1)    class="num">2: a=class="num">2798.166930885822
class="num">2012.06.class="num">29 class="num">20:class="num">01:class="num">19    q-gaussian-SP500(EURUSD,D1)    class="num">1: a=class="num">8676.207867097581
class="num">2012.06.class="num">29 class="num">20:class="num">01:class="num">19    q-gaussian-SP500(EURUSD,D1)    class="num">2: x0=class="num">0.04567518783335043
class="num">2012.06.class="num">29 class="num">20:class="num">01:class="num">19    q-gaussian-SP500(EURUSD,D1)    class="num">1: x0=class="num">0.0512505923716428
class="num">2012.06.class="num">29 class="num">20:class="num">01:class="num">19    q-gaussian-SP500(EURUSD,D1)    C1=-class="num">364.7131366394939
class="num">2012.06.class="num">29 class="num">20:class="num">01:class="num">19    q-gaussian-SP500(EURUSD,D1)    C2=class="num">37.38352859698793
class="num">2012.06.class="num">29 class="num">20:class="num">01:class="num">19    q-gaussian-SP500(EURUSD,D1)    C3=-class="num">630.3207508306047
class="num">2012.06.class="num">29 class="num">20:class="num">01:class="num">19    q-gaussian-SP500(EURUSD,D1)    C4=class="num">28.79001868944634
class="num">2012.06.class="num">29 class="num">20:class="num">01:class="num">19    q-gaussian-SP500(EURUSD,D1)    class="num">1  class="num">0.00177913 class="num">0.03169294 class="num">0.00089521 class="num">0.02099064 class="num">0.57597695
class="num">2012.06.class="num">29 class="num">20:class="num">01:class="num">19    q-gaussian-SP500(EURUSD,D1)    class="num">2  class="num">0.03169294 class="num">0.59791579 class="num">0.01177430 class="num">0.28437712 class="num">11.55900584
class="num">2012.06.class="num">29 class="num">20:class="num">01:class="num">19    q-gaussian-SP500(EURUSD,D1)    class="num">3  class="num">0.00089521 class="num">0.01177430 class="num">0.00193200 class="num">0.04269286 class="num">0.12501732
class="num">2012.06.class="num">29 class="num">20:class="num">01:class="num">19    q-gaussian-SP500(EURUSD,D1)    class="num">4  class="num">0.02099064 class="num">0.28437712 class="num">0.04269286 class="num">0.94465120 class="num">3.26179090
class="num">2012.06.class="num">29 class="num">20:class="num">01:class="num">09    CalcDistr_SP500(EURUSD,D1)    checking distibution cnt=class="num">2632.0 n=class="num">2632

「一点提醒」

上面那行日志来自 EURUSD 的 D1 周期分布计算：样本量 2632 根 K 线，价格归一化偏移最小值 -0.1229、最大值 0.1691，全距约 0.292。这类分布只描述历史波动形态，不预示下一根方向。把分布统计接进 MT5 后，建议先跑不同品种和周期，看全距与样本量是否稳定。外汇与贵金属杠杆高、跳空频繁，分布尾部可能随时被极端事件拉长。真要拿来辅助仓位，记得给阈值留缓冲，别把历史分位当边界硬扛。

MQL5 / C++

class="num">2012.06.class="num">29 class="num">20:class="num">01:class="num">09    CalcDistr_SP500(EURUSD,D1)    Min=-class="num">0.1229089015984444 Max=class="num">0.1690557338964631 range=class="num">0.2919646354949075 size=class="num">2632
class="num">2012.06.class="num">29 class="num">20:class="num">01:class="num">09    CalcDistr_SP500(EURUSD,D1)    Total data=class="num">2633

把分布展开交给小布盯盘

这些诊断小布盯盘的 AIGC 已内置，打开对应品种页即可看到厚尾拟合与坐标展开的可视化，你只需判断参数意义。

←

非广延统计分布结构化分析的本征坐标法应用·进阶篇

常见问题

它能将函数关系做结构化展开，区分数字近似与分析差异，揭示系统非广延性的幂次结构，而非仅给出一个表面拟合参数。

可以，小布盯盘内置了相关 AIGC 诊断，在对应品种页直接呈现厚尾分布与本征坐标可视化，省去手动推导公式。

文献显示较长周期上 q 参数接近 1，非广延效应减弱，经验分布向经典广延统计的正态极限收敛，但短期厚尾仍显著。

文献称二者数字上接近、解析上不同，差异可通过级数展开量化，本征坐标法正用于提取这种微小结构偏差。

关于分布基础的完整讨论见《非广延统计分布结构化分析的本征坐标法应用·基础篇》。

非广延统计分布结构化分析的本征坐标法应用·综合运用

◍ 从一段日志看 EURUSD 噪声分布

把非广延分布拆成可积本征基

「椭圆通道里的坐标变换计算」

◍ 四次多项式拟合的积分与系数落地

肉眼相似的密度曲线未必同分布

「用本征坐标揪出伪拟合」

◍ 非广延统计与金融分布的研究底稿

用核密度把 EURUSD 的胖尾摸出来

「一点提醒」

常见问题

相关阅读