看穿趨勢波動的統計學真理！
在系統化量化交易與策略開發中，多數交易者高度依賴移動平均線（MA）來判別趋势。然而，傳統均線在遇到極端波動時往往面臨嚴重的「滯後滯後」問題。為了在保持平滑度的同時大幅提高對最新價格的敏感度，許多量化研究員轉而求助於統計學。其中最經典、最穩健的工具莫過於 Linear Regression (線性回歸指標，簡稱 LinReg 或 LRI)。它利用最小二乘法在滾動窗口內擬合出一條最合理的「動態均衡價格線」，能幫我們更即時、更精確地捕捉市場趨勢。本文將為您詳盡解構線性回歸指標的計算原理、核心參數與實戰交易應用。
📌 本頁修煉路線圖
一、Linear Regression (線性回歸) 指標概述
線性回歸 (Linear Regression) 指標，常縮寫為 LinReg 或 LRI (Linear Regression Indicator)，是一種基於經典統計學擬合方法的技術分析工具。它旨在通過分析過去一段時間內的價格數據，識別當前市場趨勢的方向和強度。該指標的核心邏輯，是在選定的回顧週期內，在眾多價格樣本點之間繪製出一條「最佳擬合」的直線（即線性回歸線，也稱最小二乘線）。指標最終在圖表上繪製出這條回歸線在當期 K 線對應的預測終點值，從而形成一條隨價格動態更新的均衡價格曲線。
在 Strategy Quant X (SQX) 中：線性回歸指標被定義為一個 BuildingBlock，其模組名稱為 (LinReg) Linear Regression。
二、Linear Regression 指標的組成部分與參數
線性回歸指標直接在主圖上輸出單一曲線，其底層計算與參數結構非常直觀：
| 組件類型 | 組件名稱 | 預設值與底層運作邏輯說明 |
|---|---|---|
| 主要輸出 (Output) | Value (線性回歸線) | 繪製於價格主圖之上的動態曲線。在每個時間點上，此線的數值代表了基於過去回顧期內的樣本點所擬合出的直線，在其結束點（即當期 K 線位置）的理論預測值。 |
| 核心參數 (Parameter) | Input (數據源) | 指標計算所依賴的價格序列。在 SQX 預設使用收盤價（Input.Close），但亦可切換為開盤價、最高價、或均價等序列。 |
| 核心參數 (Parameter) | Period (回顧期) | 納入統計學回歸計算的樣本 K 線數量。在 SQX 程式碼中預設值為 14。 |
運作機制與底層計算原理（純文字 HTML 版）
-
第一步：框定滾動窗口樣本點
- 對於價格圖表上的每一根新 K 線，線性回歸指標會自動框定一個向前追溯 Period（預設 14 根）K 線的指定 Input 價格數據集，將其作為統計學分析的樣本點。
-
第二步：套用最小二乘法 (Least Squares Method)
- 利用最小二乘法在框定的 14 個樣本點之間，求解出一條最佳擬合直線。這條擬合直線在數學上定義為：
- y = m * x + c
- 其中，y 代表預測價格，x 代表時間序列坐標，m (Slope) 代表直線的斜率（反映趨勢方向與斜率速度），c (Intercept) 代表截距。
- 「最小二乘」的核心目的，是讓 14 個實際價格點到這條直線的垂直偏差距離的「平方和」達到理論上的最小值，以呈現最無偏的線性趨勢。
-
第三步：輸出當期預測終點值 (Value)
- 指標最終輸出的 Value，即是將當前的 x 坐標帶入上述最擬合公式中，所求出的當期預測價格 y。
- 換句話說，它告訴我們：如果價格嚴格按照最近 14 週期內的線性趨勢發展，在統計學上此時最合理的「均衡價值水平」應該落在何處。
三、Linear Regression 指標的數值範圍 (價格特徵)
與一般波動在固定區間（如 0 到 100）的震盪指標截然不同，線性回歸線在數值特徵上完全反映了資產的實際報價：
-
直接貼合報價
- LinReg 輸出的 Value 代表的是具體的價格線。它的數值直接與所分析資產的價格區間相對應，因此其範圍會隨著市場價格的整體漲跌波動而變化，不具備傳統的有界限特徵。
-
主圖疊加特徵
- 它是一條直接疊加並穿插在主 K 線圖之上的動態曲線，與簡單移動平均線（SMA）外觀相似，但其反應極其敏捷。
四、Linear Regression 指標的解讀與應用
線性回歸指標為交易者提供了一套極其客觀的趨勢度量與短期價格偏離分析框架：
-
1. 趨勢方向與斜率強度的直觀判定
- 雖然 SQX 的 LinReg 主要輸出回歸線的價格終點，但其走向和斜率提供了最核心的趨勢方向判定：
- 線條向上傾斜： 代表市場在所選週期（如 14 天）內呈現健康的上升趨勢。傾斜角度越陡峭，代表多頭上攻的斜率與動能越強勁。
- 線條向下傾斜： 代表市場呈現明顯的下降趨勢。下傾角度越深，代表空頭拋售的加速度越劇烈。
- 線條走平或趨於水平： 代表市場正處於無方向的橫盤整理，或價格處於變盤轉折的多空平衡期。
-
2. 動態的「均衡價格」支撐與阻力
- 線性回歸線可以被視為一條統計學上的「市場公允價值中點」，價格在多數時間內會围绕此線進行上下偏離。
- 多頭行情： 在上升趨勢中，LinReg 線在下方區域提供強烈的動態趨勢支撐。當價格回調至回歸線附近時，常迎來買盤防守。
- 空頭行情： 在下降趨勢中，LinReg 線在上方區域扮演動態的趨勢阻力防線。當價格反彈至回歸線附近時，常遭遇空頭壓制。
-
3. 價格與回歸線的經典交叉訊號
- 看漲金叉進場點： 當收盤價決定性地從 LinReg 線下方向上穿越，且此時 LinReg 線本身也已勾頭向上傾斜時，代表短期市場動能重啟、空翻多，釋出看漲買入或多頭持續確認訊號。
- 看跌死叉賣出點： 當收盤價決定性地向下跌穿原本在下方的 LinReg 線，且指標線本身已勾頭向下傾斜時，代表市場動能由強轉弱，多翻空，釋出看跌賣出或空單進場訊號。
-
4. 反應敏捷與減少遲滯現象
- 相比於簡單移動平均線（SMA 14），線性回歸線（LinReg 14）對價格變動的反應速度要快得多。
- 因為 SMA 在計算時只是將 14 天的價格簡單相加除以 14，這給予了 14 天前與當前價格同等的權重；而線性回歸採用最小二乘法，它能更早且更平滑地擬合出「當前趨勢的加速度走向」，在動態過濾高頻噪聲的同時，大幅降低了傳統均線進場過慢的滯後硬傷。
-
5. 識別價格的「統計學過度偏離」(均值回歸)
- 根據統計學分布，價格無法長期偏離最擬合的回歸線。
- 當市場價格顯著「高於」其對應的 LinReg 線時，代表價格短期內偏離了其统计常態，面臨超買修正、向回歸線回調（均值回歸）的風險。
- 當市場價格顯著「低於」其對應的 LinReg 線時，代表價格短期內超跌偏離，隨時有向回歸線反彈的均值回歸契機。
-
6. 滾動窗口數據重新計算特性說明
- 無未來重新繪製： 線性回歸指標在計算當前 K 棒的值時，使用的都是已經確立的歷史價格，因此其當期 Value 點是固定的，不會發生漂移或在歷史上重新繪製（Non-Repainting）。
- 滾動窗口拟合： 交易者在瀏覽歷史圖表時必須理解，由於它是基於滾動窗口（Rolling Window）數據統計擬合，每當一根新 K 線加入、同時最舊的一根 K 線被移出計算窗口時，整條回歸線會基於新的數據集重新擬合直線。因此，回顧歷史時看見的整條曲線形態，反映的是滾動窗口在歷史各階段「最末端終點值的連線」，這正是其滾動計算的固有特性。
📌 本文核心修煉要點
-
統計學最小二乘法底層擬合
- LinReg 不是簡單的加權平均，而是利用數學算法求解直線 y = mx + c，找出偏離平方和最小的均衡價值線。
- 其直接量化了局部週期的斜率與加速度，具備比傳統 SMA、EMA 更領先的趨勢反應靈敏度。
-
動態多空過濾與均值回歸
- 斜率的傾角是辨識中短期趋势強度的黃金指標；而與價格的交叉則提供非黑即白的進出場觸發。
- 偏離回歸線過遠的極端位置，提供了極佳的均值回歸（逆勢反彈或超買回撤）風險預警。
-
SQX 策略開發配置優化
- 在 SQX 自動生成策略時，強烈建議將 LinReg 作為趨勢大背景過濾。例如設定邏輯：「僅在價格高於 LinReg 且其斜率向上時，才觸發短線指標的多頭突破單」。
- 合理的 Period（預設 14）調校能完美兼顧短線交易的敏捷反應與長線交易的降噪過濾，助您優化出高勝率、低回撤的量化回測曲線。
