预测时间序列（第 1 部分）：经验分解模式（EMD）方法·进阶篇
「EMD 指标的参数与逐根计算骨架」
EMD 指标直接吃报价跑演示，但这种玩法不适合绝对实盘。做价格序列外推，至少得挂个新闻过滤器，把强力外因对基准线的扰动剥掉；短周期里夜盘横盘反而更干净，或者干脆上大周期、跨品种篮子来压噪声。 输入参数里，Offset 和 Length 决定分析序列的起点偏移与柱数，图表上用一条可拖动的垂直虚线示意 Offset，拖完会重算预测——但耗时不固定，跟序列长度、形态和 CPU 都有关。Forecast 是预测柱数：严格算法 EMD.mqh 别超过 5–10，简化版 EMDloose.mqh 能堆更大值。Reconstruction 控制重构时丢弃几个 IMF，建议填 2；填 0 等于只留最后价常数没意义，填 1 忽略最小振荡更平滑，填到等于 IMF 总数就只剩趋势线。 Reconstruction 越小，重构越贴初始序列、像短线 MA，但预测抖得厉害；越大越像长线 MA，平滑也稳。OnInit 里按预测深度给缓冲区设偏移，OnCalculate 用逐根柱线、开盘价计算，这是骨架关键。 EURUSD D1 上跑 Length=250、Offset=0、Forecast=10、Reconstruction=2，严格模式某些谐波反向乱跳导致刻度收缩，是预测深度不足的直观警告；简化模式分量在零附近晃。把 Forecast 拉到 100 能看长线，但严格模式末端多项式发散到无穷、信息区崩在零附近，实战里只适合估未来波动包络。建议 Forecast 取 2–4 根柱线。 拖垂直虚线改 Offset 时，指标调 ChartSetSymbolPeriod 刷图表，MT5 会清掉当前品种所有周期缓存重建——M1 若堆百万根柱可能卡几十秒。应急就走指标属性框改 Offset，或减图表柱数重启终端。
class="kw">input class="type">int Length = class="num">300; class=class="str">"cmt">// Length(bars, > class="num">5) class="kw">input class="type">int Offset = class="num">0; class=class="str">"cmt">// Offset(class="num">0..P bars) class="kw">input class="type">int Forecast = class="num">0; class=class="str">"cmt">// Forecast(class="num">0..N bars) class="kw">input class="type">int Reconstruction = class="num">0; class=class="str">"cmt">// Reconstruction(class="num">0..M IMFs) class="type">int OnInit() { IndicatorSetString(INDICATOR_SHORTNAME, "EMD(" + (class="type">class="kw">string)Length + ")"); for(class="type">int i = class="num">0; i < BUF_NUM; i++) { PlotIndexSetInteger(i, PLOT_DRAW_TYPE, DRAW_LINE); PlotIndexSetInteger(i, PLOT_SHIFT, Forecast); } class="kw">return INIT_SUCCEEDED; } class="type">int OnCalculate(class="kw">const class="type">int rates_total, class="kw">const class="type">int prev_calculated, class="kw">const class="type">class="kw">datetime& Time[], class="kw">const class="type">class="kw">double& Open[], class="kw">const class="type">class="kw">double& High[], class="kw">const class="type">class="kw">double& Low[], class="kw">const class="type">class="kw">double& Close[], class="kw">const class="type">long& Tick_volume[], class="kw">const class="type">long& Volume[], class="kw">const class="type">int& Spread[]) { class="type">int i, ret; ArraySetAsSeries(Time, true); ArraySetAsSeries(Open, true); class="kw">static class="type">class="kw">datetime lastBar = class="num">0; class="kw">static class="type">int barCount = class="num">0; if(Time[class="num">0] == lastBar && barCount == rates_total && prev_calculated != class="num">0) class="kw">return rates_total; lastBar = Time[class="num">0]; barCount = rates_total; if(rates_total < Length || ArraySize(Time) < Length) class="kw">return prev_calculated; if(rates_total - class="num">1 < Offset || ArraySize(Time) - class="num">1 < Offset) class="kw">return prev_calculated;
◍ EMD 分解与预测缓冲区的落地写法
这段逻辑把经验模态分解（EMD）直接接进 MT5 自定义指标的缓冲区管理里。先清空 BUF_NUM 个缓冲，再按 Length 长度把 Open 价格倒序塞进 yy 数组——倒序是因为外推预测需要时间轴反向。 CEMD 对象的 decomp 调用一旦返回负值就沿用 prev_calculated 退出，避免重绘崩坏；正常时通过 getN 拿到本征模态函数（IMF）层数 N，getMean 取均值，并把 yy 扩到 n+Forecast 尺寸容纳预测段。 绘图属性按层区分：i<=N+1 的层才显示，第 N+1 层线宽设为 2，其余为 1，全部实线；第 N 层单独改成 STYLE_DOT 点线，方便肉眼区分残差。 重构环节用 sum 数组累加 IMF：仅当 i>Reconstruction 时才把该层并入拟合曲线。若 Forecast>0，预测区前段先填 EMPTY_VALUE 隐藏；当 Reconstruction==0 或大于 N-1 时，完全拟合曲线无法外推，预测点强制置空——这是实测中会出常数的坑。 最后 buffers[0] 存总拟合、buffers[N] 存残差，返回 rates_total。开 MT5 把这段塞进 OnCalculate，调 Length / Forecast / Reconstruction 三个参数即可看分解效果，外汇与贵金属行情波动剧烈，参数过拟合概率偏高，需自行回测验证。
for(class="type">int k = class="num">0; k < BUF_NUM; k++) { buffers[k].empty(); } class="type">class="kw">double yy[]; class="type">int n = Length; ArrayResize(yy, n, n + Forecast); for(i = class="num">0; i < n; i++) { yy[i] = Open[n - i + Offset - class="num">1]; class=class="str">"cmt">// we need to reverse for extrapolation } CEMD emd; ret = emd.decomp(yy, Forecast); if(ret < class="num">0) class="kw">return prev_calculated; class="kw">const class="type">int N = emd.getN(); class="kw">const class="type">class="kw">double mean = emd.getMean(); n += Forecast; ArrayResize(yy, n); for(i = class="num">0; i < BUF_NUM; i++) { PlotIndexSetInteger(i, PLOT_SHOW_DATA, i <= N + class="num">1); PlotIndexSetInteger(i, PLOT_LINE_WIDTH, i == N + class="num">1 ? class="num">2 : class="num">1); PlotIndexSetInteger(i, PLOT_LINE_STYLE, STYLE_SOLID); } emd.getIMF(yy, class="num">0, true); if(Forecast > class="num">0) { for(i = class="num">0; i < Forecast; i++) yy[i] = EMPTY_VALUE; } buffers[N + class="num">1].set(Offset, yy); class="type">class="kw">double sum[]; ArrayResize(sum, n); ArrayInitialize(sum, class="num">0); for(i = class="num">1; i < N; i++) { emd.getIMF(yy, i, true); buffers[i].set(Offset, yy); if(i > Reconstruction) { for(class="type">int j = class="num">0; j < n; j++) { sum[j] += yy[j]; } } } PlotIndexSetInteger(N, PLOT_LINE_STYLE, STYLE_DOT); emd.getIMF(yy, N, true); buffers[N].set(Offset, yy); for(class="type">int j = class="num">0; j < n; j++) { sum[j] += yy[j]; if(j < Forecast && (Reconstruction == class="num">0 || Reconstruction > N - class="num">1)) class=class="str">"cmt">// completely fitted curve can not be forecasted(gives a constant) { sum[j] = EMPTY_VALUE; } } buffers[class="num">0].set(Offset, sum); class="kw">return rates_total; }
用 EMD 预测差值驱动 EA 开仓
TestEMD 这个 EA 的逻辑很直接：实例化 EMD 指标，在柱线开盘时用开盘价做预测，取 SignalBar 上的指标预测值与当前 0 号柱的差值当信号。差值为正做多，为负做空；SignalBar 一般设成负的 Forecast 值，也就是去看未来预测柱的位置。 EA 有四个核心输入：Length 是喂给指标的时间序列长度，Forecast 是预测柱数量，Reconstruction 是重构时丢弃的较小谐波数，SignalBar 是从缓冲区取预测的柱编号。正常交易模式下 Offset 固定为 0，不翻历史预测；另有一个非交易虚拟模式，把 SignalBar 设 0，EA 自动把 Offset 设为 Forecast，用预测值对比最后预测柱的实际价格变化算理论盈利，测试器里选自定义优化条件即可快速跑优化。 因为预测可覆盖前几根柱且同周期可同向加仓，逆向持仓能并存。比如 Forecast=3，每笔持仓拿 3 根柱，任一时刻场内有 3 笔不同方向的仓，这种结构需要对冲账户才扛得住。EA 交易部分借了 MT4Orders 库，没用魔幻数字区分订单，也没严格错误处理、滑点、止损止盈，Lot 是固定手数市价单。 文末 TestEMD.set 给了样例，加速模式优化 2018 年 EURUSD D1 得到：Length=110、Forecast=4、Reconstruction=2、SignalBar=-4。用这套在 2018 初至 2020 年 2 月复盘、2019 和 2020 初验证，系统显示有收益但仍有改进空间。外汇与贵金属属高风险品种，这类基于历史预测的结果不预示未来，实盘前务必在 MT5 用策略测试器自行验证。 更频繁的步进重优化、试探不同步长，有可能提升机器人表现。EMD 算法在大周期上识别报价动量波动并据此建模，倾向能支撑可盈利系统的构建。
「把 TSA 类塞进指标缓冲区」
原版的 TSAnalysis 类把分析结果写成外部 HTML，只能在浏览器里看，终端内无法直接读图。改写思路很直接：新建 TSAnalysisMod.mqh，保留 Calc 方法一次性算好全部特征，但去掉无用的虚方法 show，把界面控制权完全交给调用代码，让指标用缓冲区把数组画出来。 标量特征收进 TSStatMeasures 结构，从最小值、中位数到 Jarque-Bera 检验 p 值一共 22 个字段；数组类特征用 TSA_TYPE 枚举区分，例如 tsa_ACF 是自相关函数，tsa_PACF 是偏自相关。读取时可用 getTimeSeriesSorted 这类宏生成方法，或用通用方法 getResult 按枚举取任意数组，两者都返回填充的元素个数。 指标 TSA.mq5 负责可视化，输入含 Type、Length、Offset、Differencing、Smoothing、Method、Price。以 EURUSD D1 取 500 根柱线看自相关函数为例，开启一阶差值能提升序列平稳性，但高阶差值的不利面留到后续讨论。部分自相关函数在此先备好，后面换预测方法会用到。 外汇与贵金属波动受杠杆和消息面驱动，高阶统计仅描述历史分布，对后市方向只具概率意义，实操前请在 MT5 用脚本跑一遍验证。
class="kw">struct TSStatMeasures { class="type">class="kw">double MinTS; class=class="str">"cmt">// Minimum time series value class="type">class="kw">double MaxTS; class=class="str">"cmt">// Maximum time series value class="type">class="kw">double Median; class=class="str">"cmt">// Median class="type">class="kw">double Mean; class=class="str">"cmt">// Mean(average) class="type">class="kw">double Var; class=class="str">"cmt">// Variance class="type">class="kw">double uVar; class=class="str">"cmt">// Unbiased variance class="type">class="kw">double StDev; class=class="str">"cmt">// Standard deviation class="type">class="kw">double uStDev; class=class="str">"cmt">// Unbiaced standard deviation class="type">class="kw">double Skew; class=class="str">"cmt">// Skewness class="type">class="kw">double Kurt; class=class="str">"cmt">// Kurtosis class="type">class="kw">double ExKurt; class=class="str">"cmt">// Excess Kurtosis class="type">class="kw">double JBTest; class=class="str">"cmt">// Jarque-Bera test class="type">class="kw">double JBpVal; class=class="str">"cmt">// JB test p-value class="type">class="kw">double AJBTest; class=class="str">"cmt">// Adjusted Jarque-Bera test class="type">class="kw">double AJBpVal; class=class="str">"cmt">// AJB test p-values class="type">class="kw">double maxOut; class=class="str">"cmt">// Sequence Plot. Border of outliers class="type">class="kw">double minOut; class=class="str">"cmt">// Sequence Plot. Border of outliers class="type">class="kw">double UPLim; class=class="str">"cmt">// ACF. Upper limit(class="num">5% significance level) class="type">class="kw">double LOLim; class=class="str">"cmt">// ACF. Lower limit(class="num">5% significance level) class="type">int NLags; class=class="str">"cmt">// Number of lags for ACF and PACF Plot class="type">int IP; class=class="str">"cmt">// Autoregressive model order }; enum TSA_TYPE { tsa_TimeSeries, tsa_TimeSeriesSorted, tsa_TimeSeriesCentered, tsa_HistogramX, tsa_HistogramY, tsa_NormalProbabilityX, tsa_ACF, tsa_ACFConfidenceBandUpper, tsa_ACFConfidenceBandLower, tsa_ACFSpectrumY, tsa_PACF, tsa_ARSpectrumY, tsa_Size class=class="str">"cmt">// }; class=class="str">"cmt">// ^ non-breaking space(to hide aux element tsa_Size name) class="type">int getARRAYNAME(class="type">class="kw">double &result[]) class="kw">const; class="type">int getResult(class="kw">const TSA_TYPE type, class="type">class="kw">double &result[]) class="kw">const
◍ 画得少，看得清
EMD 这套实现把经验模态分解塞进了 MT5 的指标和 EA 里，短线预测能当交易决策的附加因子，而不是单独扛旗的信号源。附件 MQL5EMD.zip 实测 45.93 KB，解压时务必保留原文件夹结构，否则用 MQL4 编辑器打开会报 'Offset' 运算符缺失，换 MQL5 编辑器即可正常编译。 俄文原帖下有人把回测起点从 2020.1.1 挪到当下重跑，曲线形态随样本窗口漂移，说明分解层数敏感，参数别一把梭。外汇和贵金属波动受事件驱动，拿 EMD 残差当滤波层就好，重仓赌延伸段属于高风险动作。 下一篇作者打算接 LS-SVM 做预测，两条路子可以叠着试：EMD 先拆趋势和本征模，再喂给支持向量机，比单模型更抗非平稳。真要验证，先把 zip 里 EA 跑一周模拟盘，别急着上实盘。