引言
大家好！今天要跟大家聊聊一个非常有趣且实用的指标——均匀因子指标。这是一款简单的分析工具（非信号型，单次计算），可以帮助我们检验价格时间序列是否呈现“随机游走”特性，尤其是高斯“随机游走”。通过这个指标，我们能够将价格变化转换为更加稳定且可预测的时间序列，至少在波动性方面是如此。
随机游走的理解
大家可能都知道，某个“随机游走”变量在经过N步后，其预期距离由其标准差乘以根号N（或N^0.5）来估算。
指标功能
这个指标计算在预定义的K线子区间内每根K线的“平均”价格变化。这里的“平均”是基于距离（到给定N的K线数量）的F次方进行计算，F的取值范围是从0.1到1，步长为0.1。
当前图表上可用的所有K线都用于在最多N根K线的滑动窗口内收集统计数据。
均匀性分析
接下来，指标会找出在不同F值下统计数据的最“规则”的均匀分布，并为这个因子（通常是0.5或0.6，视为最佳）显示直方图。直方图的每一列代表对应交易持续时间（K线数量）的每根K线的“平均”变化量，平均方式是通过N^F来实现的（当F=1时会得到标准平均值）。
该指标可以使用不同的方法自动检测统计曲线的“规律性”（平坦度）：
- 最小方差
- 三重均值之间的最小差异（均值、中位数、众数），作为平方误差
- 最小基尼系数
优化因子的应用
了解最佳因子对以下方面非常有帮助：
- 对输入数据（价格变化）进行归一化，以便于神经网络和其他机器学习算法的使用
- 评估在波动性交易系统中进行分析时所需的K线样本数量
- 检测存在异常的交易品种和/或时间框架（非标准的F值或分布曲线中的奇点）
输入参数
- Period — 用于收集价格范围统计的最大K线距离（N），默认值为200；
- Factor — 用于“平均”计算的指数，默认值为0（表示自动检测），你可以输入0.0到1.0之间的自定义值，例如0.525；
- Method — 选择均匀性估计的方法：方差、三重均值、基尼；
- MaxBars — 计算统计的K线限制，默认值为0（表示所有可用的K线）；
请注意：如果你在图表上使用无限数量或数十万根K线，计算可能会耗费一些时间。如果这是个问题，可以考虑将K线数量限制在数万根以内。
输出结果
该指标会显示每个距离范围内（1..Period）和所选均匀因子的每根K线的平均价格变化的蓝色直方图。同时，持续增加的K线数量（距离）作为第二个直方图（橙色）供参考。
测试因子和当前时间序列相应指标的完整表格会打印在日志中。
示例
XAGUSD.c D1, Max.Distance: 500, Bars: 2641 Factor: 0.4, Result: var(0.4) mmm(0.4) gini(0.4)* [factor] [mean] [variance] [skewness] [kurtosis] [median] [mode] [mmmse] [gini]
截图展示
以下截图演示了在3个时间框架下的指标效果：D1、H1、M1。
每个图表中包含2个指标实例：
- 上面的配置为F自动检测，由基尼得出的值（在0.4和0.5之间变化）显示在标题中，以星号标记；
- 下面的配置为预定义F=0.6；
在XAGUSD,D1上的均匀因子指标
在XAGUSD,H1上的均匀因子指标
在XAGUSD,M1上的均匀因子指标