Timeframe Quality Analyzer - MetaTrader 5脚本

该指标通过检查以下内容来测试时间框架是否可交易

1.信噪比 (SNR)

对 N 个滚动窗口进行线性回归拟合。

计算：

解释方差（趋势部分）

残差（噪声成分）

信噪比 = 解释方差/残差方差 2.

2.自相关性（记忆检验）

计算滚动窗口中滞后期=1 的收益率自相关性。

显示值。

颜色代码：

大于 0.1 时为绿色（持久性）

接近 0 时为红色（噪音）

3.赫斯特指数（分形记忆）

解释：

H ≈ 0.5 → 随机漫步

H > 0.55 → 趋势

H < 0.45 → 均值回复

4.波动率聚类（方差稳定性）

显示为介于 0 和 1 之间的振荡器。

5.香农熵（随机性测试）

将回报离散化为不同的区间。

计算香农熵：

H = - Σ p(x) log(p(x))

在 0 和 1 之间归一化。

熵越高，随机性越大。

最佳输入设置

A.默认平衡（建议启动）

InpWindow        = 120
InpEntropyBins   = 25

InpWeightSNR     = 0.30
InpWeightAC      = 0.10
InpWeightHurst   = 0.25
InpWeightDER     = 0.20
InpWeightEntropy = 0.15

为什么？

• 窗口越大 → 噪音越小

• 更高的 SNR 权重 → 趋势检测

• 较低 AC → 自相关不稳定

B.趋势跟踪模式（最适合突破）

InpWindow        = 150
InpEntropyBins   = 30

InpWeightSNR     = 0.35
InpWeightAC      = 0.05
InpWeightHurst   = 0.30
InpWeightDER     = 0.20
InpWeightEntropy = 0.10

在以下情况下使用

• 市场趋势强劲

• 交易突破/势头

重点：趋势 + 持续性

C.剥头皮/日内模式

InpWindow        = 80
InpEntropyBins   = 20

InpWeightSNR     = 0.20
InpWeightAC      = 0.20
InpWeightHurst   = 0.20
InpWeightDER     = 0.25
InpWeightEntropy = 0.15

在以下情况下使用

• M1-M15 交易

• 需要快速适应

重点：结构 + 效率

D.反跳票过滤模式（非常强大）

InpWindow        = 100
InpEntropyBins   = 25

InpWeightSNR     = 0.25
InpWeightAC      = 0.10
InpWeightHurst   = 0.20
InpWeightDER     = 0.15
InpWeightEntropy = 0.30

在以下情况下使用

• 您想避免糟糕的市场环境

高熵权重 = 避免噪音