用多元回归把指标“拼”成预测：样本量、变量筛选与残差体检
单个技术指标往往只能反映市场的一个侧面——动量、成交量或波动。当它单独做交易信号时，命中率经常尴尬。多元回归的思路是：把多个指标的当期值与价格的未来变化放到同一个方程里，让统计模型自己算出每个因子的权重，得到一个“综合预测”。本文用作者用 5 个指标预测 EURUSD 涨跌的真实建模过程，把回归该怎么做、怎么避坑一次讲清。
一、回归能帮交易者解决什么问题
技术分析的痛点在于：每个指标都在“喊”，但互相矛盾。回归不取代指标，而是把它们当自变量，把你想预测的量（比如下一根 K 线的涨跌、或价格变动点数）当因变量，求出一条“最佳拟合”关系。得到方程后，每来一个新样本，把各指标当前值代进去，就能算出预测值，相当于一个自动加权投票器。它还能顺手告诉你：哪个因子真有用、哪个只是噪声。
二、多元回归的数学形式与实例方程
多元回归的标准形式是 Reg = b0 + b1·x1 + b2·x2 + … + bn·xn + ε，其中 b0 是常数项、bi 是第 i 个因子的系数、ε 是残差。作者用 DeMarker、AC（劲道指数）、BullsPower、BearsPower 四个指标，以及它们的一阶差分，对 EURUSD 建模，得到的方程形如 Reg = 22.7 + 205.2·dDeMarker − 41686.2·dAC − 139.3·DeMarker + 22468.8·Bulls − 14619.5·Bears。注意系数有正有负、量级差异极大——这正是多因子模型“自动纠偏”的体现：被证明无效的因子系数会被压到接近 0。
// 作者拟合得到的回归方程（节选示意，变量为标准化后的值） // Reg = 22.7 // + 205.2 * dDeMarker // DeMarker 的一阶差分 // - 41686.2 * dAC // AC 劲道指数的一阶差分（权重极大、为负） // - 139.3 * DeMarker // + 22468.8 * Bulls // 多头力量 // - 14619.5 * Bears // 空头力量 // 预测值 Reg 越偏离 0，下一根 K 线的方向性变动越强
三、样本量法则：观测数要是参数的 10~20 倍
回归最容易翻车的地方不是公式，而是样本量。经验法则是：有效观测数至少要是待估参数个数的 10~20 倍。上面 6 个系数加常数项共 7 个参数，那至少需要 70~140 根样本 K 线；作者实际用了几百根日线来估计。样本太少，模型会“记住”噪声而非规律，线下漂亮、线上崩盘。这是所有数据驱动建模的第一道红线。
四、变量筛选：前向逐步法（Forward Stepwise）
你手头可能有几十个候选指标，全塞进方程会过拟合。前向逐步法是实用筛法：从一个空模型开始，每次把“最能显著降低残差平方和”的那个变量加进来，加到一个预设的显著性门槛（p 值）不再接受新变量为止。作者用 Statistica 软件的 Forward Stepwise 完成筛选，最终只留下 6 个真正有解释力的项。它的好处是模型既精简又可解释——你清楚知道自己在用哪几个因子下注。
- 前向（Forward）：从空模型逐步加入最显著的变量，直到无法再显著改善
- 后向（Backward）：从全模型逐步剔除最不显著的变量
- 双向（Stepwise）：边加边删，更灵活但更易过拟合，需配合交叉验证
- 筛选目的：在解释力与简洁性之间取平衡，避免维度灾难
五、如何判断模型好不好：Multiple R 与 p 值
模型跑出来后要看两组数。Multiple R（复相关系数）衡量自变量整体对因变量的解释力，越接近 1 越好；它的平方 R² 表示“因变量波动中被模型解释的比例”。但 R² 高不代表每个因子都显著——单个因子的显著性看其 p 值（或 t 统计量）：p 值小（如 <0.05）说明该系数“不太可能是随机产生的”。一个健康的模型应同时具备较高的 Multiple R 和多数因子显著的 p 值。
六、残差分析：给模型做体检
回归成立有前提：残差 ε 应近似独立、同方差、接近正态。残差分析就是检查这些前提有没有被违反。如果残差出现明显趋势或周期性，说明还有未被捕捉的规律（模型漏了变量）；如果残差方差随预测值增大而增大（异方差），说明模型在某些区间系统性失真；用 Jarque-Bera 之类检验残差正态性，能判断“误差是否可控”。残差体检不过关，再高的 R² 也不能直接拿来下单。
七、小结
多元回归把“多个指标怎么综合”这个主观问题，变成了可估参数、可检验的统计问题：先按 10~20 倍样本量法则攒够数据，用前向逐步法筛掉噪声因子，看 Multiple R 和 p 值确认整体与个体都显著，再用残差分析做最后体检。它不会替你赚钱，但能逼你诚实地面对“哪些因子真有货、哪些只是巧合”。把它作为量化建模的入门骨架，远比堆指标更经得起实盘检验。