EVT Crash Gauge - MetaTrader 5脚本

概述

MetaTrader 5 标准工具箱中的几乎每一种风险管理工具都隐含着一个共同的假设：值得规划的最坏亏损，大致就是你已经经历过的最坏亏损。真实波动范围（ATR）根据近期波动率来确定仓位大小。蒙特卡洛重采样器则会重新排列你实际执行过的交易。 历史风险值（VaR）直接从您的收益历史中读取一个百分位数。所有这些方法都着眼于分布的主体部分，并暗自希望未来不会出现比过去更极端的行情。

由于金融回报呈厚尾分布，这种希望是错误的。大幅波动的发生频率更高，幅度也更大，超出了正态分布的允许范围，而且样本中单日最差表现几乎绝不会是市场所能达到的最差表现。任何只能将损失视为其观察窗口内已发生损失的程度的方法，都会系统性地低估罕见的暴跌。

正态模型（曲线）与真实的厚尾回报（直方图）对比。阴影部分的左尾即为该模型未能预见的亏损。

该指标将专门为填补这一空白而构建的统计学分支原生引入了 MQL5。极值理论 并不对整个分布进行建模；它仅对尾部进行建模，且其形状由极限定理推导得出，而非基于假设。因此，拟合后的模型能够外推至 样本范围之外：例如99.9%的亏损，这种波动大约每三年出现一次，而您的历史数据中实际上从未出现过这一数值。

方法。 该指标实现了“峰值超过 阈值”（Peaks-Over-Threshold）算法。 它将图表的收盘价转换为单侧下行亏损序列，保留每次下跌的幅度，并将每次上涨映射为零。它在该序列的某个分位数处选取一个高阈值u， 舍弃其下的所有数据，仅研究超额值——即亏损超过阈值的幅度。 Pickands-Balkema-de Haan 定理指出，对于一类广泛的底层分布，随着阈值的提高，这些超出值将收敛到一个单一的分布族：广义帕累托分布。因此，无需猜测尾部形状，只需进行拟合即可。

“阈值以上峰值”（Peaks-Over-Threshold）：在损失序列上设定一个阈值，剔除其上方的超额值，并仅针对这些超额值拟合广义帕累托分布。

该拟合过程是对广义帕累托分布（GPD）形状和尺度的真正最大似然优化，通过终端自带的ALGLIB 约束优化器运行。无需Python桥接库，无需DLL，也不存在任何形式的外部依赖。

报告内容

系统会在滚动窗口中计算三个数值，并显示在图表面板上；其中第一个数值还会以折线形式绘制在子窗口中，以便观察尾部随时间推移而收紧或松弛的变化。

这两个估计量是标准的GPD-POT形式，因此面板报告的具体内容为：

VaR_p = u + (sigma / xi) * [ ( (Nu / n) / (1 - p) )^xi - 1 ]
ES_p  = VaR_p / (1 - xi) + (sigma - xi * u) / (1 - xi)

这里u 是阈值，sigma 和xi 分别是拟合的尺度参数和形状参数，Nu / n 是超额率。两者均具有指数极限，当拟合形状接近零时会自动启用该极限，这恰恰在除以形状参数会导致运算不稳定的区域内，确保了计算的稳定性。

尾部交通信号灯。 面板通过颜色标示形状，从而无需解读数值即可识别所处的区域：

这些分界值仅作为阅读参考，而非统计阈值，可根据个人偏好进行调整。关键在于，决定颜色的曲线形态与驱动计算公式的曲线形态是相同的，因此当计算系统正在默默计算厚尾VaR时，面板上不可能显示绿色。

图表上的仪表：面板显示VaR、预期短缺和带颜色编码的尾部形状，而子窗口则绘制了随时间变化的EVT VaR曲线。

它拒绝进行猜测

这是在您将其嵌入系统前值得了解的设计决策，因为它改变了空白读数的含义。 一个两参数尾部拟合需要实际的超限次数才能可靠，而EVT文献中通常将大约三十到五十个尾部数据点视为实际下限。引擎强制要求三十个。低于此数时，它会报告状态而非具体数值，且面板会用通俗的语言说明这一点：

一个具体的实际应用示例：在默认阈值 0.95 时，500 根 K 线的回溯范围仅产生约二十五次超限，而指标会报告“尾部数据不足”（25/30 次超限） 而非具体数值。 当回溯期设为 800 根柱时，模型便能满足阈值要求并顺利完成拟合。这并非需要绕过的错误，而是模型拒绝进行推测——这恰恰是您对一款旨在如实反映罕见事件的工具所期望的行为。

同样的原理也适用于另一端。 当拟合形状达到1时，尾部的均值会发散，预期短缺（Expected Shortfall）将不复存在，因此引擎在此处返回零值，而非虚构的数值。凡是拟合未获得“OK”状态的情况，该柱的绘制曲线将留空，而非沿用过时的值，因此曲线在模型拒绝给出结果的位置恰好呈空白。

推荐设置

输入参数

在您自己的代码中使用该引擎

尾部模型是一个独立的“仅头文件”类CGPDModel， 不依赖于图表或指标缓冲区。它对一组损失值进行拟合，其中数值越大表示结果越差，因此符号约定由调用方决定，任何能生成损失序列的策略均可直接使用它：

#include <EVT\GPDModel.mqh>

CGPDModel model;
model.SetThresholdQuantile(0.95);

if(model.Fit(losses,count) && model.IsReliable())
  {
   double var = model.VaR(0.99);
   double es  = model.ExpectedShortfall(0.99);
   double xi  = model.Xi();
  }
else
   Print("tail not usable: ",model.StatusText());

此外，该类还公开了拟合尺度、选定的阈值、超限计数以及状态枚举，因此调用方可精确记录或显示读数被隐藏的具体原因。 若要直接读取指标而非调用该类，请通过EVT\EVTCrashGauge 的iCustom 获取句柄，并复制缓冲区0 的内容——该缓冲区承载 EVT VaR 值，并在拟合结果不可靠的任何柱线上保持为零。

局限性

EVT 作为风险工具箱中的重要组成部分，但它是一种专业工具，要善用它就必须了解其不适用的场景：

• 它对尾部数据需求极高。 双参数尾部拟合需要足够数量的超限值。对于成交量稀少的标的或短期时间窗口，正确的答案是“数据不足”，其设计会尊重这一事实，而非随意生成数值。
• 它对阈值敏感。 0.95 的默认值虽是 行业标准，但拟合的形状和尺度会随阈值变化而变化。在实际应用中，应研究这种敏感性而非仅依赖单一设置，这也是将分位数作为输入参数公开的原因。
• 该指标衡量的是幅度，而非时机。 这一点值得重申，因为这是最常见的误用。上升的尾部指数并非方向性信号。
• 尾部可能不再具有明确的定义。 当拟合形状趋近于1时，预期短缺将不复存在，而在该区间内出现零值本身即为一种信息，而非系统故障。

文件结构

一个指标和一个头文件。头文件名为<EVT\GPDModel.mqh>，因此必须位于Include目录下的EVT 子文件夹中。

该引擎在运行最大似然法之前，会使用矩法估计值对优化器进行初始化，并将分布形状限制在合理范围内，从而确保病态窗口会将模型推向被拒绝的拟合结果，而非看似合理但实则错误的拟合结果。

研究基础

该实现遵循极值理论中“峰值超过阈值（Peaks-Over-Threshold）”的标准处理方法： Pickands-Balkema-de Haan 定理（论阈值超额值收敛于广义帕累托分布）、其形状与尺度的大似然估计，以及用于计算风险价值（VaR）和预期短缺（Expected Shortfall）的常规 GPD-POT 表达式。

一篇配套文章推导了该方法，逐行讲解了引擎和指标的实现逻辑，并将尾部风险估计值集成到一个用于测算仓位大小的专家顾问中，以在策略测试器中验证其效果：《MQL5中的极值理论：构建超越蒙特卡洛VaR的尾部风险崩盘指标》。