🧠

基于暴力算法的 CatBoost 模型高级重采样与选择·综合运用

（3/3）·简单随机抽样埋下的类别失衡与自相关坑，本篇用重采样一次性填平

实战向进阶第 3/3 篇

直接把历史行情随机切去训练 CatBoost，类别失衡会让模型偏爱某一方向，自相关则悄悄放大过拟合。多数人以为样本够多就稳，其实特征空间里的交叉正把边界搅成一团乱麻。

「多周期均线与噪声注入的重构落点」

训练脚本现在支持传入一组不同平均周期的移动均线，例如 [15, 55, 150, 250]，多 MA 组合对训练结果通常有正向影响。回测起点也可配置，TSTART_DATE 设为 2015-01-01 后能从更早样本开始评估模型。随机抽样函数新增 add_noize 参数，允许向原始数据集注入噪声。引入 0.1–0.2 级别的标签误差，虽会加大回撤、混杂交易，但可能让模型在新数据上更稳健。点差现在被显式计入：未覆盖点差的交易标为 2.0，随后因无信息量从数据集删除。tester 函数改为返回 R^2 分数，配合主成分分析的可视化辅助函数，能帮你直观看清特征分布。下面这段是标签与回测的核心重构，注意 fill_arrays 之后特征向量已纳入全部 MA 周期。

MQL5 / C++

MA_PERIODS = [class="num">15, class="num">55, class="num">150, class="num">250]
TSTART_DATE = class="type">class="kw">datetime(class="num">2015, class="num">1, class="num">1)
def add_labels(dataset, min, max, add_noize = class="num">0.1):
    labels = []
    for i in range(dataset.shape[class="num">0]-max):
        rand = random.randint(min, max)
        curr_pr = dataset[&class="macro">#x27;close&class="macro">#x27;][i]
        future_pr = dataset[&class="macro">#x27;close&class="macro">#x27;][i + rand]
        if future_pr + MARKUP < curr_pr:
            labels.append(class="num">1.0)
        elif future_pr - MARKUP > curr_pr:
            labels.append(class="num">0.0)                
        else:
            labels.append(class="num">2.0)
    dataset = dataset.iloc[:len(labels)].copy()
    dataset[&class="macro">#x27;labels&class="macro">#x27;] = labels
    dataset = dataset.dropna()
    dataset = dataset.drop(dataset[dataset.labels == class="num">2].index).reset_index(drop=True)
    if add_noize==class="num">0:
        class="kw">return dataset
    # add noize to samples
    noize_b = dataset[dataset.labels == class="num">0][&class="macro">#x27;labels&class="macro">#x27;].sample(frac = add_noize)
    noize_s = dataset[dataset.labels == class="num">1][&class="macro">#x27;labels&class="macro">#x27;].sample(frac = add_noize)
    noize_b = noize_b+class="num">1
    noize_s = noize_s-class="num">1
    dataset.update(noize_b)
    dataset.update(noize_s)
    class="kw">return dataset
def tester(dataset, markup = class="num">0.0, plot = False):
    last_deal = class="type">int(class="num">2)
    last_price = class="num">0.0
    report = [class="num">0.0]
    for i in range(dataset.shape[class="num">0]):
        pred = dataset[&class="macro">#x27;labels&class="macro">#x27;][i]
        if last_deal == class="num">2:
            last_price = dataset[&class="macro">#x27;close&class="macro">#x27;][i]
            last_deal = class="num">0 if pred <= class="num">0.5 else class="num">1
            class="kw">continue
        if last_deal == class="num">0 and pred > class="num">0.5:
            last_deal = class="num">1
            report.append(report[-class="num">1] - markup + (dataset[&class="macro">#x27;close&class="macro">#x27;][i] - last_price))
            last_price = dataset[&class="macro">#x27;close&class="macro">#x27;][i]
            class="kw">continue
        if last_deal == class="num">1 and pred < class="num">0.5:
            last_deal = class="num">0
            report.append(report[-class="num">1] - markup + (last_price - dataset[&class="macro">#x27;close&class="macro">#x27;][i]))
            last_price = dataset[&class="macro">#x27;close&class="macro">#x27;][i]    
    y = np.array(report).reshape(-class="num">1,class="num">1)
    X = np.arange(len(report)).reshape(-class="num">1,class="num">1)
    lr = LinearRegression()
    lr.fit(X,y)
    l = lr.coef_
    if l >= class="num">0:

◍ 把训练好的模型导出成 MT5 可跑的 C 头文件

上面这段 Python 负责把 CatBoost 模型固化成 C++ 头文件（catmodel.h），再拼出一段 MQL5 骨架代码，让 MT5 直接调用。核心动作就两个：模型用 save_model 以 cpp 格式落地，随后用字符串拼接生成 OnInit 与特征填充函数。 LOOK_BACK 与 MA_PERIODS 是外部常量，前者决定回看根数，后者是一组均线周期。代码里 ArrayResize(hnd, len(MA_PERIODS)) 按周期数量开句柄数组，循环里对每个周期调 iMA 拿 SMA 收盘价句柄，计数从尾到头递减避免错位。 fill_arays 里用 CopyClose 取最近 look_back 根收盘价，再对每个均线句柄 CopyBuffer 取同样长度数值，逐根算 pr[f]-ma[f] 作为特征，最后 ArrayInsert 纵向拼进 features 并设为序列数组。外汇与贵金属波动剧烈，这套特征构造只是概率性信号源，实盘前务必在 MT5 策略测试器用历史数据验证过拟合风险。导出后把 catmodel.h 丢进 MQL5/Include，EA 里 include 后即可在 OnTick 调模型推理。建议先拿 EURUSD 的 H1 数据跑一遍，观察信号延迟是否超过 2 根 K 线再决定跟单逻辑。

MQL5 / C++

l = class="num">1
else:
    l = -class="num">1
if(plot):
    plt.plot(report)
    plt.show()
class="kw">return lr.score(X,y) * l
def pca_plot(data):
    from sklearn.decomposition class="kw">import PCA
    pca = PCA(n_components = class="num">5)
    components = pd.DataFrame(pca.fit_transform(data[data.columns[class="num">1:-class="num">1]]))
    components[&class="macro">#x27;labels&class="macro">#x27;] = data[&class="macro">#x27;labels&class="macro">#x27;].reset_index(drop = True)
    class="kw">import seaborn as sns
    g = sns.PairGrid(components, hue="labels", height=class="num">1.2)
    g.map_diag(sns.histplot)
    g.map_offdiag(sns.scatterplot)
    g.add_legend()
    plt.show()
def export_model_to_MQL_code(model):
    model.save_model(&class="macro">#x27;catmodel.h&class="macro">#x27;,
                      format="cpp",
                      export_parameters=None,
                      pool=None)
    # add variables
    code = &class="macro">#x27;class="type">int &class="macro">#x27; + &class="macro">#x27;loock_back = &class="macro">#x27; + str(LOOK_BACK) + &class="macro">#x27;;\n&class="macro">#x27;
    code += &class="macro">#x27;class="type">int hnd[];\n&class="macro">#x27;
    code += &class="macro">#x27;class="type">int OnInit() {\n&class="macro">#x27;
    code +=    &class="macro">#x27;ArrayResize(hnd,&class="macro">#x27; + str(len(MA_PERIODS)) + &class="macro">#x27;);\n&class="macro">#x27;
    count = len(MA_PERIODS) - class="num">1
    for i in MA_PERIODS:
        code +=    &class="macro">#x27;hnd[&class="macro">#x27; + str(count) + &class="macro">#x27;]&class="macro">#x27; + &class="macro">#x27; =&class="macro">#x27; + &class="macro">#x27; iMA(NULL,PERIOD_CURRENT,&class="macro">#x27; + str(i) + &class="macro">#x27;,class="num">0,MODE_SMA,PRICE_CLOSE);\n&class="macro">#x27;
        count -= class="num">1
    code += &class="macro">#x27;class="kw">return(INIT_SUCCEEDED);\n&class="macro">#x27;
    code += &class="macro">#x27;}\n\n&class="macro">#x27;
    # get features
    code += &class="macro">#x27;class="type">void fill_arays(class="type">int look_back, class="type">class="kw">double &features[]) {\n&class="macro">#x27;
    code += &class="macro">#x27;  class="type">class="kw">double ma[], pr[], ret[];\n&class="macro">#x27;
    code += &class="macro">#x27;  ArrayResize(ret,&class="macro">#x27; + str(LOOK_BACK) +&class="macro">#x27;);\n&class="macro">#x27;
    code += &class="macro">#x27;  CopyClose(NULL,PERIOD_CURRENT,class="num">1,look_back,pr);\n&class="macro">#x27;
    code += &class="macro">#x27;  for(class="type">int i=class="num">0;i<&class="macro">#x27; + str(len(MA_PERIODS)) +&class="macro">#x27;;i++) {\n&class="macro">#x27;
    code += &class="macro">#x27;      CopyBuffer(hnd[&class="macro">#x27; + &class="macro">#x27;i&class="macro">#x27; + &class="macro">#x27;], class="num">0, class="num">1, look_back, ma);\n&class="macro">#x27;
    code += &class="macro">#x27;      for(class="type">int f=class="num">0;f<&class="macro">#x27; + str(LOOK_BACK) +&class="macro">#x27;;f++)\n&class="macro">#x27;
    code += &class="macro">#x27;          ret[f] = pr[f] - ma[f];\n&class="macro">#x27;
    code += &class="macro">#x27;      ArrayInsert(features, ret, ArraySize(features), class="num">0, WHOLE_ARRAY); }\n&class="macro">#x27;
    code += &class="macro">#x27;  ArraySetAsSeries(features, true);\n&class="macro">#x27;
    code += &class="macro">#x27;}\n\n&class="macro">#x27;

画得少，看得清

用混合高斯模型对原始行情做重采样，本质是用最省力的方式把特征空间拉正，再喂给 CatBoost 分类器。实测里，这种迭代重采样路线在 4.38 KB 的 cat_trader.mq5 配套逻辑下，能把新数据上的分类表现拉起来，但外汇与贵金属杠杆高、滑点跳空频繁，模型过拟合过去只是概率优势而非确定性。你不需要从头写 Python 训练栈，MQL5 端加载 157.06 KB 的 cat_model.mqh 就能直接跑推理；改 train 起止时间若回测变烂，大概率是样本区间动量结构变了，而不是代码废了。真正划算的突破，是花最少精力把「初级模型」推到「能上实盘观察」的边界。剩下的，交给 MT5 逐根 K 线去验证。

把重采样诊断交给小布

这些重采样前后的类别距离与残差自相关诊断，小布盯盘的 AIGC 已内置，打开对应品种页即可看到，你只需判断边界是否真的变干净。

←

基于暴力算法的 CatBoost 模型高级重采样与选择·进阶篇

常见问题

信息损失取决于原始维度与方差累积比例，20 维压到 5 维通常保留大部分方差，但需看碎石图确认，不可盲目定死主成分数。

小布内置了样本失衡与自相关检测模块，可输出重采样前后的边界稳定性对比，策略编写仍要在 MT5 里落地。

暴力枚举能穷举切分组合，找出类别间距最大且残差无自相关的子集，网格搜索容易漏掉极端但有效的边界解。

高频边界样本在实盘可能因点差滑点跳类，重采样时应把交易成本作为特征偏移量注入，否则新数据上概率倾向失效，外汇贵金属属高风险。

基于暴力算法的 CatBoost 模型高级重采样与选择·综合运用

「多周期均线与噪声注入的重构落点」

◍ 把训练好的模型导出成 MT5 可跑的 C 头文件

画得少，看得清

常见问题

相关阅读