由于工作需要，小编需要掌握一元线性回归的算法细节，而不仅仅是简单的调用，这也再一次提醒小编，高等数学、线性代数等数学知识在量化投资领域是多么的重要，大学有棵树挂了好多人，那就是高数，哈哈，好好学习吧骚年！好的，闲话不扯了，直接给出小编的学习研究心得吧。
一元线性回归公式为：
最小二乘回归将误差的平方和最小化，总的预测误差用SSEp表示，则总的误差平方和为：
利用微积分，在以下微积分方程结果为0的时候会让总的误差平方和最小，关于b0与b1的偏微分方程为：
最后解此二元方程组，即可得到斜率b0及截距项b1,由此即可得到回归方程：
代码MQL5版
代码：https://www.mql5.com/zh/code/viewcode/249/136519/lrchannel.mq5
评估回归拟合程度
RMSE均方根误差是用来衡量观测值同真值之间的偏差：
MAE平均绝对误差能更好地反映预测值误差的实际情况：
线性回归的拟合优度：
信噪比：
解释信噪比的统计学意义，首先我们应该接受一个观念：方差即不确定性，不确定性即信息。也就是说对于一组样本来说，其方差越大，代表样本中含有的信息越多。因此，我们可将方差看作信息量的一个度量。
如果接受了这个观念，那么SST代表了被解释变量Y中所包含的信息；SSR代表了我们所构建的线性模型能够解释的Y中的信息；SSE代表了不能够被线性模型解释的Y中的信息。因此，信噪比的统计学含义就是：能够被模型解释的信息与不能够被模型解释的信息之比。
