Quadratic Regression

NOTE

本文为公开交易策略的技战术复盘，聚焦方法逻辑、交易场景与风险边界。

二次回归指标：用抛物线捕捉趋势加速度——原理、实战与改进

在技术分析的工具箱中，移动平均和线性回归是两大基石。然而价格运行往往不是匀速直线运动，而是带着加速度的“抛物线”轨迹。当趋势从悲观转向乐观，或从狂热转向衰退，价格曲线常呈现出明显弯曲。此时，二次回归（Quadratic Regression）指标便有了用武之地。它是一种以抛物线为模型、滚动拟合价格路径的统计工具，既能平滑历史数据，也能外推未来走势。

策略解读

二次回归指标并非一个新奇的“黑箱信号”，而是一个具有明确数学定义的统计工具。它的核心思想很简单：在最近 N 个价格数据点之上，拟合一条形如“y = a·x² + b·x + c”的抛物线。其中 x 通常代表时间序号，y 代表价格。通过最小二乘法，让这条抛物线在纵向方向上的误差平方和达到最小。这样一来，抛物线的每一项系数都具有特定含义：a 衡量曲率的大小和方向，b 表示趋势的线性速度，c 则提供一个基准位置。

与常见的线性回归相比，二次回归在描述“加速上涨”“减速上涨”“加速下跌”“减速下跌”这四种状态时，天然具有优势。线性回归只能给出一个平均斜率，容易把拐点前的加速段与拐点后的减速段混为一谈；而抛物线的开口方向与弯曲程度，能够更好地反映价格在样本窗口内经历的变化。

该指标还带有外推功能。所谓外推，就是把已经拟合出的抛物线向右延长，给出未来若干根K线的理论价格中枢。这既可以被视为动态支撑/压力，也可以用于制作“回归通道”。同时，模型会输出 R 平方（决定系数），用来衡量拟合好坏。若 R 平方接近 1，说明最近 N 根K线的价格行为基本被这条抛物线“解释”了；若 R 平方很低，则说明价格运行杂乱无章，抛物线模型失效。

在具体应用时，用户需要设置两个参数：Length 和 Offset。Length 即样本长度，越大越平滑，但越迟钝；越小越灵敏，但噪音越多。Offset 用于控制“回看”。若 Offset 设置为 0，则只在当前K线的右侧画出外推线；若设置为正数，则同时显示过去若干根已经完成的拟合段，相当于把抛物线整体向左平移。这样做的直观好处是，可以让交易者看到在当前参数下，历史上如果一直使用该指标，它的拟合线与实际价格的相对关系会是什么样，从而帮助判断当前信号是否可靠。

名词解释

为了帮助初级读者更好地理解，以下对文中涉及的几个核心术语进行解释。

二次回归：又称多项式回归（次数为2）。它假设因变量 y 与自变量 x 之间存在二次函数关系，即 y 与 x 的平方、x 的一次方以及常数项线性相关。在金融中，x 通常被设定为时间序号，y 则取价格或价格的对数。
最小二乘法：一种经典的参数估计方法。它通过寻找一组参数，使得所有样本点到回归曲线的“垂直距离平方和”最小。为什么用平方而不是绝对值？因为平方函数处处可导，便于求极值，同时会放大较大误差的影响，使拟合对大幅偏差更敏感。
R平方（决定系数）：统计学中用于评价回归模型解释力的指标，计算公式为 1 减去“残差平方和与总平方和之比”。取值通常在 0 到 1 之间。R平方越接近 1，意味着回归模型的拟合误差越小，价格变动中越高的比例可以由该抛物线解释。
外推：指将拟合结果延伸到样本数据范围之外。在交易中，外推等于用历史建立的抛物线模型预测未来价格。需要注意，外推没有任何真实数据支撑，距离当前时间越远，可靠性越低。
残差：每个样本点的实际观测值与模型拟合值之间的差。残差越小，拟合越精确。残差序列常常用来判断模型是否适用于描述价格波动。
曲率：在平面几何中，曲率衡量曲线弯曲的程度。对于抛物线 y=ax²，二次项系数 a 的绝对值越大，抛物线弯曲得越剧烈；a 的正负则决定了开口向上或向下，对应价格加速过程中的“凹”或“凸”。

策略思路讲解

有了上述基础，便可深入理解二次回归指标的交易逻辑。它的核心，不是直接预测精确价格，而是描述价格在一段时间内的二阶变化。技术分析中，趋势的方向由一阶导数（速度）表示，而趋势的衰竭与新生则与二阶导数（加速度）有关。当价格朝一个方向运动时，如果加速度逐渐减小，往往意味着动能不足，行情接近尾声；如果加速度增大，则说明趋势仍在自我加强。

通过滚动拟合二次回归，我们可以得到两组关键信息：第一，当前抛物线的开口方向（由二次项系数 a 的正负决定）；第二，当前抛物线的切线斜率（由一次项系数 b 与 a 共同决定）。将这两者组合，可以识别出四种典型状态：

a > 0 且切线斜率 > 0：价格处于加速上涨阶段。抛物线向上弯曲，多头动能强劲，通常适合持有或回踩做多。
a < 0 且切线斜率 > 0：价格仍在上行，但上升速度已经放缓，抛物线开始掉头向下，属于“减速上涨”。此阶段应当警惕顶部反转。
a < 0 且切线斜率 < 0：价格加速下跌。抛物线开口向下，空头占据主导，操作上宜观望或只做反弹空单。
a > 0 且切线斜率 < 0：价格仍在下行，但下跌动能减弱，属于“减速下跌”。这往往是底部酝酿的阶段，可能出现反转。

在实际运用中，交易者可以只观察外推线的方向：外推线向上且曲率向上则偏多，向下且曲率向下则偏空。若外推线已经转向，同时 R 平方维持在较高水平，说明市场刚刚经历一次可信的趋势终结，可视为顺势切换的早期信号。此外，还可以直接用价格与外推线的关系设计交易规则：当价格从下向上穿越外推线时做多，从上向下穿越时做空。由于外推线比同样窗口的线性回归线多了一点“弯度”，因此它在拐点处的反应往往更早一步。

不过需要强调的是，任何回归线都是滞后的。二次回归的滞后虽然比同窗口线性回归略小（因为它多了一个曲率自由度），但本质上依旧基于历史数据。当市场出现急剧跳空或突发消息时，拟合曲线会瞬间被拉离，外推值也会迅速发散。因此，该指标更适合在趋势明确、价格连续运动的行情中使用，而非在消息驱动或流动性极差的环境下盲目相信。

优点

捕捉非线性趋势：二次回归能够识别价格的加速与减速，比线性回归更贴合真实行情。尤其在牛市末段的“最后冲刺”和熊市末段的“恐慌下杀”中，抛物线形态往往反复出现。
自带外推预测：与只能描述历史的均线不同，该指标可以直接给出未来若干周期的价格中枢估计。交易者可以据此预设目标区间，或提前规划止盈止损。
以 R 平方作为适配指标：模型是否有效，不是靠感觉，而是有量化标准。R 平方接近 1 时，说明抛物线拟合良好，外推可信度相对较高；R 平方较低时，可直接放弃该信号，这相当于一个内置的质量过滤器。
参数简洁，容易调优：仅 Length 与 Offset 两个参数，降低了使用门槛。用户可以根据不同交易周期，快速调整出适合自己的平滑程度与延迟平衡。
历史拟合可视化：通过 Offset 显示历史拟合段，交易者可以直观评估该指标在过去一段时间内的表现。这种“回放”功能有助于建立对指标的信心，也能帮助识别参数是否过拟合。

缺点

对异常值高度敏感：最小二乘法使用平方误差，因此个别极端价格（如闪崩、涨停板）会对抛物线产生不成比例的拉扯。一个离群点就足以让整条曲线严重扭曲，外推值随之失真。
外推结果发散迅速：抛物线是二次函数，当时间 x 向外推移时，a 若不为零，预测值的平方项会急剧增大。这意味着外推线离当前越远越不可靠，预测置信区间呈喇叭状扩大。
滞后性依然存在：虽然二次回归比线性回归多了一个曲率维度，但它仍然是基于过去 N 个数据的最小二乘拟合。当趋势刚发生转折时，新样本占比很小，旧样本会拖住曲线，导致信号延迟。若 Length 设置过大，滞后更为严重。
震荡市中的假信号：在价格没有明确方向的横向区间里，二次回归也会硬性拟合出一条“抛物线”，产生看似有意义的拐点与突破信号。这些信号大概率是噪音，R 平方也往往偏低，但若交易者忽略过滤器，则容易频繁止损。
缺乏概率与风险度量：该指标本身不提供止损位置或仓位建议。它给的只是一个价格中枢估计，并不包含未来的边界条件。若只凭一条外推线进出场，无异于闭眼开车。

起源年份考证

这里需要说明的是，我们无法精确考证“由作者 alexgrover 发布的这个具体指标”的创作时间，因为公开交易社区中的同类脚本太多，且缺乏统一存档。下面给出的时间线，是基于“滚动窗口多项式回归”这一方法在金融分析领域的演进史，供读者参考。

18世纪末至19世纪初：最小二乘法的数学基础确立。勒让德（1805）和高斯（1809）分别发表了相关论述，为所有回归类工具提供了理论根基。
20世纪50–70年代：计算机逐步进入金融业，统计回归开始被用于证券研究。这一阶段主要停留在学术层面，普通投资者难以获得回归工具。
20世纪80年代：个人电脑与图表分析软件的普及，使移动平均、线性回归通道、布林带等工具开始流行。线性回归指标成为技术分析师的新宠。
20世纪90年代中后期：随着量化交易兴起，多项式回归、局部回归等更灵活的曲线拟合方法被引入技术分析。二次回归指标作为“线性回归的升级版”开始在各类图表社区出现。
21世纪初至今：开源指标平台兴起，二次回归类指标被反复编写、改进和分享，并衍生出自适应多项式回归、三次回归、回归通道等多种变体。

因此，我们可以说：二次回归指标的数学思想源自18世纪，而在交易软件中普及则大致是20世纪90年代至21世纪初的事情。就具体脚本而言，其发布时间无法考证，但大概率属于这一波“回归类指标”浪潮中的作品。

改进建议

使用加权最小二乘法或中位数回归：为了降低离群值的影响，可以对样本中的每个数据点赋予不同的权重。例如，越靠近当前的数据权重越大，越久远的数据权重越小；或者干脆用最小绝对偏差法（LAD）替代最小二乘，以增强鲁棒性。
动态调整 Length 参数：预设固定窗口往往无法适应市场节奏。可以设计一个自适应机制：当 R 平方连续高于 0.8 时适当增加 Length，以过滤噪音；当 R 平方连续低于阈值时减小 Length，以加快反应。也可以直接让 Length 随波动率变化。
增加置信区间通道：利用残差的标准差构建外推线的上下轨（比如 ±1.5 倍标准差）。价格触及上轨或下轨时，分别视为超买或超卖；价格与回归中线的偏离度，也能作为均值回归交易的触发器。
引入二次项系数 a 的突变预警：关注 a 从正变负或从负变正的临界区域。这个转折点往往领先于价格拐点。可以设定一个阈值，当 a 的绝对值连续减小并转向时，发出潜在反转信号，作为外推线的辅助确认。
与线性回归或移动平均共振：不要只用二次回归一种工具。可以将二次回归外推线与更长期的线性回归线同时使用：当两条线方向一致时，信号强度较高；当二次回归外推线穿越线性回归线时，说明趋势加速度发生了根本变化，可作为更早的入场参考。
组合多周期确认：在周线、日线、小时线同时使用同一套参数，只有多个周期的外推线方向一致时才开仓。这样可以滤除大量跟随单周期噪音的杂波。
对输入价格进行预处理：不使用原始收盘价，而是使用成交量加权平均价（VWAP）或经过对数变换的价格。对数价格可以避免高价位时数值波动过大，使抛物线拟合更平滑。

总结

二次回归指标是一个兼具描述性与预测性的统计工具。它用一条抛物线对价格历史进行最小二乘拟合，并通过外推给出未来价格中枢的估计。相比线性回归，它多了一个曲率维度，因而能够捕捉加速与减速行情；相比移动平均，它又多了一个统计质量衡量指标 R 平方，使交易者可以客观判断模型的有效性。它并非圣杯，异常值敏感、外推发散、滞后和震荡市假信号等缺陷，决定了它必须被谨慎使用。通过加权拟合、动态窗口、置信区间和多周期共振等改进，交易者可以大幅提升该指标在真实市场中的表现。最终，任何技术指标都只是决策的辅助工具，二次回归也不例外——它给出的是“价格可能的轨迹”，而真正决定成败的，始终是交易者的风险管理与纪律执行。