经验模态分解法介绍（基础篇）
◍ 经验模态分解在 MT5 里的定位
经验模态分解（EMD）把非平稳价格序列拆成若干本征模态函数（IMF），每一层对应不同尺度的波动。对做价格行为的人而言，它比直接看均线更能剥离噪声，尤其适合抓贵金属与外汇里的中频结构。 MT5 的 MQL5 环境没有内建 EMD 函数，得自己写递归筛分逻辑。2014 年 3 月那篇原始实现被社区下载 11 623 次、评论 43 条，说明手动做这套分解的需求一直存在。 外汇和贵金属杠杆高、跳空频繁，EMD 拆出的 IMF 只能描述历史尺度，对后市仅作概率倾向参考，不能当方向保证。
「为什么要把行情拆开看」
真实世界里的过程大多不是单一因果，天气图就是典型例子：季节轮换、洋流、太阳活动周期、碳排放量等分量搅在一起，直接读图时彼此遮挡，规律容易被扭曲甚至看不见。 交易里的货币报价也一样，由宏观利差、避险流动、资金面等大量因素叠加而成。把复合过程硬看整体，噪音会盖过信号。 所谓分解，形式上是把整体拆成组成部分；但在信号和序列分析里，它常指拆出原本数据里并不存在的函数。这些函数是人工构造的，却能把隐藏形态暴露出来。 市场分析里很多方法明着暗着都在做同一件事——从过程里挑出某些分量。后面几节会具体过一遍这类分解思路。
从移动平均到小波：序列分解的几种路子
把一段价格序列拆开看，是做量化前处理的基本功。最直白的玩法是在任意货币对图表上叠一条移动平均线（MA），再用原始序列减去这条曲线，立刻得到两部分：平滑后的 MA 线和残差。换成更长周期的 MA 继续对残差做一遍，就能拆出两条 MA 加一个变换后的残差——外汇与贵金属波动高风险，这种拆法只是结构性观察，不预示方向。 傅里叶变换是经典正交分解，基函数固定、频率和幅度在全序列里恒定。问题在于它假设数据静态：若 EURUSD 在 1 小时图里前段震荡后段趋势，变换结果只反映平均状态，区间内的性质变化会被抹平。小波变换改用预设小波基，但每个分量带随时间变化的比例和水平参数，能接住非静态过程。 两类变换数学成熟、算法高效，通用性强。但实盘更想要一种基函数能按数据自适应的分解——既能处理非静态，又不绑死预设波形。后面要聊的正是这类自适应变换，也是本系列的主线。
◍ EMD 把序列拆成自适应的 IMF
经验模态分解（EMD）是希尔伯特-黄变换的第一阶段，它不依赖任何预设基函数，而是让基直接从输入数据里长出来。这和傅里叶、小波很不一样：后两者先用固定波形去套，EMD 只按序列自身形态拆出一组本质模态函数（IMF）。 一个合格的 IMF 要过两道硬杠：极值总数（极大加极小）和零穿越数相等或最多差 1；任意点上，由局部极大包络和局部极小包络算出的均值必须为零。分解出来的 IMF 按频率分阶，排在前面的振荡频率高，越往后频率越低——虽然 IMF 里的“频率”沿时间轴可变，幅度也飘，但用这个词描述性质最直观。 光看文字很难想象 EMD 跑出来长啥样。外汇与贵金属这类高噪声非静态序列用它拆周期分量时风险偏高，结果可能只是概率性参考；直接上 MT5 跑一段代码，比空读定义更有用。