指标加速的 3 种方法：以线性回归为例的算法优化

为什么指标要计算快

指标的快速计算是实盘关键任务。我们不做历史深度妥协、也不强开多核，而是直接优化算法本身——这通常更简单且收益稳定。

基础指标：线性回归

线性回归在每根 K 线拟合一条线，显示该线在此根的函数值。设 x 为柱序号、y 为价格，系数 a、b 由以下求和式决定（N 为回归窗口）：

// 线性回归系数：避免每根都从 0 求和
double Sx=0,Sy=0,Sxx=0,Sxy=0;
for(int x=1;x<=LRPeriod;x++)
  {
   double y = price[bar-LRPeriod+x];
   Sx+=x; Sy+=y; Sxx+=x*x; Sxy+=x*y;
  }
double a = (LRPeriod*Sxy - Sx*Sy)/(LRPeriod*Sxx - Sx*Sx);
double b = (Sy - a*Sx)/LRPeriod;

方法一：递推/增量更新

窗口右移一根时，只需减去最左一根的累加项、加上最新一根，不必重新遍历整个窗口。Sx、Sxx 是固定公式可闭式更新，Sy、Sxy 用差量维护。

• Sx、Sxx 仅依赖窗口长度，可预计算常量。
• Sy(t) = Sy(t-1) - price_out + price_in。
• Sxy(t) = Sxy(t-1) - Σx·price_out + Σx·price_in。

方法二：缓存中间量

把 Sx、Sxx、以及 x 序列的乘积表在 Init 阶段算一次存数组，OnCalculate 每根只做加减与一次除法，彻底消除内层循环。

方法三：减少类型转换与分支

在热点循环里避免 string 拼接、避免反复调用 iCustom；用静态数组而非每次 ArrayResize；把 const 引用传给子函数减少拷贝。

小结

线性回归的三板斧——增量更新、缓存中间量、削减类型开销——适用于绝大多数滑动窗口类指标（MA、布林、回归通道）。算法优化零副作用，应作为指标编写的默认习惯。