TSF时序预测指标，这指标我没用过，百度找它的算法也没找着，到是在外国网站看到了一些内容，可哥们看代码还行，看外文就只能借助翻译工具了，但翻译出来的不伦不类的，也懒得去组织内容了。我看了这指标代码，算法也不复杂，就一个求线性回归罢了，数学好点的，看一下就明白，实在不行的，就跟我一样用笨方法，一条条记下来，算一遍就明白的。
在说线性回归代码前，先看它用到的求和函数Summation代码，直接附上了，这个之前也解读过了，如下：
Params
NumericSeries Price(1);
Numeric Length(10);
Vars
Numeric SumValue(0);
Numeric i;
Begin
SumValue = 0;
for i = 0 to Length - 1
{
SumValue = SumValue + Price[i];
}
Return SumValue;
End
接下来就是真正需要解读的求线性回归函数LinearReg的代码了，解读如下：
Params
NumericSeries Price(1);//声明数值序列参数Price，初值为1.//
Numeric Length(10);//声明数值参数Length，初值为10.//
Numeric TgtBar(0);//声明数值参数TgtBar，初值为0.//
NumericRef LRSlope; //声明引用参数LRSlope。//
NumericRef LRAngle;//声明引用参数LRAngle。//
NumericRef LRIntercept;//声明引用参数LRIntercept。//
NumericRef LRValue;//声明引用参数LRValue。//
Vars
Numeric SumXY(0);//声明数值变量SumXY，初值为0.//
Numeric SumY;//声明数值变量SumY。//
Numeric SumX; //声明数值变量SumX。//
Numeric SumXSqr;//声明数值变量SumXSqr。//
Numeric Divisor;//声明数值变量Divisor。//
Numeric i;//声明变量i。//
Begin
if (Length > 1)//假如周期参数Length（初值10）大于1成立，执行下列代码了。//
{
SumX = Length * ( Length - 1 ) * 1/2;//直接代入数值，变量SumX = 10 * （10-1）* 1 / 2。//
SumXSqr = Length * ( Length - 1 ) * ( 2 * Length - 1 ) * 1/6 ;//变量SumXSqr = 10 *（10-1）*（2*10-1）*1/6.//
Divisor = Sqr( SumX ) - Length * SumXSqr ;//这里只看Sqr函数了，即算括号里数值的平方。相关数据上两行已经算出来了，这一行也就是代入直接读就行了。//
SumY = Summation( Price, Length ) ;//这里就是把价格Price与周期Length，返回函数求和就行了，最后把得到的值返回来赋值给变量SumY了。//
for i = 0 to Length - 1 //循环语句，即变量 i 从0到 9执行花括号求值，直到跳出循环了。//
{
SumXY = SumXY + i * Price[i] ;//比如第一个0代入，SumXY = 0 + 0 * Price[0]；再接着循环第二个值1，SumXY = 0 + 0 * Price[0] + 1 * Price[1];第三个2，SumXY= 0 + 0 * Price[0] + 1 * Price[1] +2 * price[2]...这就是累加起来的循环求和罢了，直到变量 i =10，不符合条件了，直接跳出来，接着执行下面代码。//
}
LRSlope = ( Length * SumXY - SumX * SumY) / Divisor ; //你说这公式里还有哪个值没求出来的，也是直接代入数据求值了，即可得出引用参数LRSlope值。//
LRAngle = Atan ( LRSlope ) ; //这里Atan函数，意思是返回参数的反正切值，比如Atan (1) = 0.785398这意思理解了吧，这个函数是TB系统自带的函数名，只要理解它意思就行了。这代入引用参数LRSlope数值不就可以求出引用参数LRAngle值 了嘛。//
LRIntercept = ( SumY - LRSlope * SumX ) / Length ; //这个也是直接把上面算得的相应数值代入公式，算得出LRIntercept值来。//
LRValue = LRIntercept + (Length - 1 - TgtBar)*LRSlope;//这引用参数LRValue，也是如此了。//
Return True; //返回真值，即把四个引用参数数值返回给主函数了。//
}Else//这是假如周期Length >1,不成立情况下。//
{
Return False;//返回假值，就是没有返回值了。//
}
End
这一步步也就是数值代入，算下来不难吧，代码也就是这么一回事了。我们来看TSF时序预测指标代码了，这更简单，都是直接把参数返回线性回归函数LinearReg，直接得出相应值来的。代码如下：
Params
Numeric Length(9);
Numeric TgtBar(7) ;
Vars
Numeric oLRSlope( 0 );
Numeric oLRAngle( 0 );
Numeric oLRIntercept( 0 );
Numeric oLRValue( 0 ) ;
Begin
LinearReg( Close, Length, TgtBar, oLRSlope, oLRAngle, oLRIntercept, oLRValue ) ; //记得规则吧，线性回归有声明了多少个参数，这括号里就得有对应的多少个参数。//
PlotNumeric("TSP",oLRValue);//画线TSP，值为oLRValue值。//
End
添加到超级图表上，你会发现它跟移动均线很相像，从这我们可以考虑一下，能不能做成跟移动均线一样的程序化系统的，结果会不会不错呢？有兴趣的朋友自己试试了，添加一下买卖条件就行。
