//+------------------------------------------------------------------+
//|                                           CorrelationMatrix.mq5 |
//|                                         多品种相关性分析矩阵 v1.0 |
//+------------------------------------------------------------------+
#property copyright "Copyright 2026"
#property version   "1.00"
#property script_show_inputs

// --- 输入参数（可自行调整）---
input int      iBars_P = 30;                      // 使用的K线数量
input ENUM_TIMEFRAMES iTimeframe = PERIOD_H4;    // 时间周期（日线/4H/1H）
 string   Symbols[4] = {"XAUUSDm","EURUSDm","GBPUSDm","GBPJPYm"};

//+------------------------------------------------------------------+
//| 脚本主入口                                                        |
//+------------------------------------------------------------------+
void OnStart()
{
    // --- 1. 获取原始价格数据（收盘价）---
    Print("========== 开始计算多品种相关性矩阵 ==========");
    Print("品种列表：", Symbols[0], ", ", Symbols[1], ", ", Symbols[2], ", ", Symbols[3]);
    Print("K线数量：", iBars_P, " 根，周期：", EnumToString(iTimeframe));
    
    int nSymbols = 4;                     // 四个品种
    double close_prices[];
    ArrayResize(close_prices, iBars_P);
    
    // 创建矩阵：iBars行 × nSymbols列（每列存储一个品种的收盘价）
    matrix priceMatrix(iBars_P, nSymbols);
    SymbolSelect(Symbols[0],true);
     SymbolSelect(Symbols[1],true);
      SymbolSelect(Symbols[2],true);
       SymbolSelect(Symbols[3],true);
    // 为每个品种获取历史收盘价
    for(int s = 0; s < nSymbols; s++)
    {
        // 调用CopyRates将收盘价直接复制到向量（使用Mql5矩阵方法）
        vector close_vector;  // 创建一个向量来存储收盘价
        
        // 从历史中复制iBars根K线的收盘价
        // COPY_RATES_CLOSE 是一个标志，表示只复制收盘价
        // 参数：品种名称，时间周期，要复制的内容，起始索引，数量
       // SymbolSelect(Symbols[s],true);
        bool success = close_vector.CopyRates(Symbols[s], iTimeframe, COPY_RATES_CLOSE, 0, iBars_P);
        
        if(!success)
        {
            Print("错误：无法获取 ", Symbols[s], " 的历史数据！");
            return;
        }
        
        // 将收盘价向量赋值到矩阵的列中
        for(int i = 0; i < iBars_P; i++)
        {
            priceMatrix[i][s] = close_vector[i];
        }
        
        Print(Symbols[s], " 数据已获取，大小：", close_vector.Size());
    }
    
    // --- 2. 计算对数收益率矩阵 ---
    // 对数收益率公式：r = ln(P_t / P_{t-1})
    // 这将创建(iBars_P-1)行的收益率矩阵
    matrix retMatrix(iBars_P-1, nSymbols);
    
    for(int s = 0; s < nSymbols; s++)
    {
        for(int i = 0; i < iBars_P-1; i++)
        {
            // 收盘价严格大于0
            if(priceMatrix[i+1][s] > 0 && priceMatrix[i][s] > 0)
            {
                retMatrix[i][s] = MathLog(priceMatrix[i+1][s] / priceMatrix[i][s]);
            }
            else
            {
                retMatrix[i][s] = 0.0; // 如果数据无效，设为0
            }
        }
    }
    
    Print("对数收益率矩阵已创建，大小：", retMatrix.Rows(), " 行 × ", retMatrix.Cols(), " 列");
    
    // --- 3. 计算相关性矩阵 ---
    // 使用矩阵的CorrCoef方法：计算各行（观察值）之间的相关系数
    // 参数：true表示按行计算（每一行是一个观察点，每一列是一个变量）
    // 由于我们的矩阵布局是：行=时间，列=品种，所以应该使用 rowvar=true
    matrix corrMatrix = retMatrix.CorrCoef(true);  // 这会生成一个 4x4 的对称矩阵
    
    // --- 4. 输出相关性矩阵结果 ---
    Print("\n===== 相关性矩阵（Pearson相关系数） =====");
    Print("矩阵对角线都是1.0（每个品种与自身的相关性）");
    Print("矩阵对称，右上角和左下角的值相同");
    Print("");
    
    // 设置打印格式，精确到小数点后4位
    string header = "          ";
    for(int s = 0; s < nSymbols; s++)
        header += StringFormat("%10s", Symbols[s]);
    Print(header);
    
    for(int i = 0; i < nSymbols; i++)
    {
        string row = StringFormat("%10s", Symbols[i]);
        for(int j = 0; j < nSymbols; j++)
        {
            double corr = corrMatrix[i][j];
            string corrStr;
            if(MathAbs(corr) >= 0.7)
                corrStr = StringFormat("%10.2f*", corr);  // 强相关用*标记
            else if(MathAbs(corr) >= 0.3)
                corrStr = StringFormat("%10.2f", corr);
            else
                corrStr = StringFormat("%10.2f", corr);
            row += corrStr;
        }
        Print(row);
    }
    
    // --- 5. 详细解读两两相关性 ---
    Print("\n===== 两两相关性详细解读 =====");
    for(int i = 0; i < nSymbols; i++)
    {
        for(int j = i+1; j < nSymbols; j++)
        {
            double corr = corrMatrix[i][j];
            string relationship;
            
            if(corr >= 0.7)
                relationship = "强正相关（通常同涨同跌）";
            else if(corr >= 0.3)
                relationship = "弱正相关（有一定同向性）";
            else if(corr > -0.3)
                relationship = "无明显相关性（可分散风险）";
            else if(corr > -0.7)
                relationship = "弱负相关（有一定反向性）";
            else
                relationship = "强负相关（反向对冲）";
            
            PrintFormat("%s 与 %s：相关性 = %.4f (%s)", 
                   Symbols[i], Symbols[j], corr, relationship);
        }
    }
    
    // --- 6. 基于相关性的实用建议 ---
    Print("\n===== 基于相关性的组合风险提示 =====");
    
    // 检查EURUSD与GBPUSD的相关性（同受美元影响）
    double usd_pair_corr = corrMatrix[1][2];  // EURUSD vs GBPUSD
    PrintFormat("⚠️ EURUSD与GBPUSD相关性：%.4f", usd_pair_corr);
    if(usd_pair_corr > 0.7)
        Print("   → 同时持有这两个货币对的多头仓位，实际上是把对美元的赌注翻倍了！");
    else if(usd_pair_corr > 0.5)
        Print("   → 这两个货币对走势高度相关，同时开单会放大风险敞口，建议只选一个。");
    
    // 检查黄金与美元货币对的关系（黄金通常与美元负相关）
    double gold_eur_corr = corrMatrix[0][1];  // XAUUSD vs EURUSD
    PrintFormat("💰 XAUUSD与EURUSD相关性：%.4f", gold_eur_corr);
    if(gold_eur_corr < -0.3)
        Print("   → 黄金与欧元兑美元呈负相关，可作为组合中的分散化工具。");
    else if(gold_eur_corr > 0.3)
        Print("   → 黄金与欧元走势同向，可能在美元波动时产生叠加效应。");
    
    // 检查GBPJPY的独立性（日元避险属性）
    double gbpjpy_eur_corr = corrMatrix[3][1];  // GBPJPY vs EURUSD
    double gbpjpy_gold_corr = corrMatrix[3][0]; // GBPJPY vs XAUUSD
    PrintFormat("🇬🇧🇯🇵 GBPJPY与EURUSD相关性：%.4f", gbpjpy_eur_corr);
    PrintFormat("🇬🇧🇯🇵 GBPJPY与XAUUSD相关性：%.4f", gbpjpy_gold_corr);
    if(MathAbs(gbpjpy_eur_corr) < 0.3 && MathAbs(gbpjpy_gold_corr) < 0.3)
        Print("   → GBPJPY与其他品种相关性较低，是很好的组合分散化选择。");
    
    Print("\n========== 相关性分析完成 ==========");
}

// 辅助函数：将周期枚举转换为字符串
string EnumToString(ENUM_TIMEFRAMES tf)
{
    switch(tf)
    {
        case PERIOD_M1:  return "M1";
        case PERIOD_M5:  return "M5";
        case PERIOD_M15: return "M15";
        case PERIOD_M30: return "M30";
        case PERIOD_H1:  return "H1";
        case PERIOD_H4:  return "H4";
        case PERIOD_D1:  return "D1";
        case PERIOD_W1:  return "W1";
        case PERIOD_MN1: return "MN1";
        default:         return "Unknown";
    }
}
//+------------------------------------------------------------------+