12.7　综合概率模型

如果在价格、数量和未结权益（或市场波动幅度）之间有显著的关系，那么可以构造一个概率模型来测试这个关系的重要性。 ^[1] 为了实现这个目标，有必要用一个简单的线性回归模型和每个变量的加权因子来设计一个为期1天的预测。凭借强大的软件技术，这将是能够执行的步骤。使用交易平台的交易系统中简易语言编写的功能函数，对每一个为期1天的预测使用前n天的数据：

价格预测值=当期价格+线性回归斜率（收盘价，时间步长为n），相应指令为：

成交量预测=当前成交量+线性回归斜率（成交量，时间步长为n），相应指令为：

未结权益预测=当前权益+线性回归斜率（成交量，当前步长为n），相应指令为：

平衡成交量预测=当前平衡成交量+线性回归斜率（成交量，当前步长为n），相应指令为：

LinearRegSlope功能的返回值说明了1期输入值的增加或减少，这是基于过去n天的直线拟合。这个数值可以加到当前的价格、数量、未结权益或者是平衡利益中，然后得到为期1天的预测值。时间步长n可以通过从预测值中减去后一天的真实值，并创造一个可以用标准偏差来检验的错误系列，再做出选择。产生最小标准偏差的天数n是最佳预测期。上述四个指标的最佳预测期可能会有所不同，但是最好的解决方案是使用令所有指标偏差最小的那个周期。所有有关于这些测试的问题将会在第21章中进行讨论。

计算出这四个为期1天的预测值，可以创造出一个乘数，给价格预测赋予权重w₁ ，保持权重（1-w₁ ）等于另外三个因子的总和。这就是假设当前价格是价格预测中最重要的因素。然后：

预测指数=w₁ ×价格预测值+（1-w₁ ）×（w₂ ×成交量预测+w₃ ×未结权益预测+w₄ ×平衡成交量预测），相应的指令为：

这个公式可以用w₁ 、w₂ 、w₃ 和w₄ 进行测试，这四者和为1。这个预测指数可以用来确定价格趋势。它始终需要利用移动平均或者是平滑直线来标记新的升降趋势；如果成功的话，这个结果会比只用价格预测更可靠。

测试这些权重因子的好处是如果四个当中的一个在预测趋势时没那么有帮助，那么这个权重因子应该接近于0。另一种不需要将非价格数据聚集在一起的方法是以经典形式分别处理每个项目：

预测指数=w₁ ×价格预测值+w₂ ×成交量预测+w₃ ×未结权益预测+w₄ ×平衡成交量预测，相应的指令为：

[1] Based on the May 1995“CSI Technical Journal，”Commodity Systems Inc.，Boca Raton，Florida.