[C#] 老古董的 Microsoft Chart Controls 也可以进行数据预测

2021 年 1 月 13 日
筆記
.NET, WPF

我要先声明，这篇文章介绍到的内容虽说不是不能用，但玩乐成分居多，大家看看就好，不要太认真。

1. Microsoft Chart Controls 中的 FinancialFormula

在上一篇文章使用 Math.Net 进行曲线拟合和数据预测中，我介绍了如何使用 Math.Net ，这篇文章玩玩“新”花样，用古老的 Microsoft Chart Controls 实现相同的功能。

A long time ago in a galaxy far, far away… 微软推出了一套免费又强大的图表控件，它用于 WinForms 和 WebForms 中，可轻松套用各种功能强大的 2D、3D、实时变化的动态图表，头发比较少的 .NET 开发者或多或少都接触过这套图表控件。虽然现在看来多少有些落后了，但它还是很有用啊，而且还不收钱。

那么，在哪里可以找到这个图表库呢？现在微软的官网也只能找到 for Microsoft .NET Framework 3.5 的下载，找不到更新的版本。幸好 Visual Studio 里就自带了这个图标库，可以直接添加 System.Windows.Forms.DataVisualization 的引用：

这篇我不会介绍如何做图表，而是讲讲这个图标库中的一样很有趣的东西：FinancialFormula。如果只是做简单的财务数据处理，可以用它玩玩。当图表中已有其它序列（Series）的数据，DataManipulator 的 FinancialFormula 可以使用大部分常见的金融公式处理这些数据并产生新的数据序列。

例指，数移动平均线 (Exponential Moving Average) 是对一段时间内的数据计算所得的平均值，它的输入和输出如下：

而蔡金震荡 (Chaikin Oscillator) 指标是指应用于聚散的 3 天指数移动平均线与 10 天指数移动平均线之差，它的输出如下：

FinancialFormula 还有很多其它用法，具体可以参考以下两个页面：

FinancialFormula Enum (System.Windows.Forms.DataVisualization.Charting) Microsoft Docs

Using Financial Formulas

2. 数据预测

这次我用到的是预测 (Forecasting) ，它是指使用历史观测值来预测未来值。

Forecasting公式采用四个可选参数：

RegressionType: 回归类型。使用一个数字来指示特定次数的多元回归，或者使用以下值之一指定不同的回归类型：Linear、Exponential、Logarithmic、Power。默认值为 2，与指定 Linear 等效。
Period: 预测时段。公式会预测此指定的未来天数内的数据变化。默认值为序列长度的一半。
ApproxError：是否输出近似误差。如果设置为 false，则输出误差序列不包含相应历史数据的数据。默认值为 true。
ForecastError：是否输出预测误差。如果设置为 false，并且 ApproxError 设置为 true，则输出误差序列将包含所有预测数据点的近似误差。默认值为 true。

输出值有三个序列：

Forecast：预测测值。
UpperError：上限误差。
LowerError：下限误差。

输入参数中回归类型的具体值所代表的公式可以参考以下链接：

Time Series and Forecasting Formula

使用 FinancialFormula 的代码十分简单，只需创建一个临时的 Chart ,插入原始数据作为一个 Series ，然后调用 DataManipulator.FinancialFormula 即可，所有代码加起来也就 30 来行：

public double[] GetPredictData(int forecastingPoints, double[] points)
{
    var tempChart = new Chart();

    tempChart.ChartAreas.Add(new ChartArea());
    tempChart.ChartAreas[0].AxisX = new Axis();
    tempChart.ChartAreas[0].AxisY = new Axis();
    tempChart.Series.Add(new Series());

    for (int i = 0; i < points.Length; i++)
    {
        tempChart.Series[0].Points.AddXY(i, points[i]);
    }

    var trendSeries = new Series();
    tempChart.Series.Add(trendSeries);

    var typeRegression = "Exponential";
    var forecasting = forecastingPoints.ToString();
    var error = "false";
    var forecastingError = "false";
    var parameters = typeRegression + ',' + forecasting + ',' + error + ',' + forecastingError;

    tempChart.DataManipulator.FinancialFormula(FinancialFormula.Forecasting, parameters, tempChart.Series[0], trendSeries);

    var result = new List<double>();
    for (int i = 0; i < trendSeries.Points.Count; i++)
    {
        result.Add(trendSeries.Points[i].YValues[0]);
    }

    return result.ToArray();
}

这里我使用了 Exponential （指数函数）作为回归类型，结果如下，看起来重复性很好，但是转折处比较生硬，导致最后在实际计算中不太理想。如果想要理想的结果，应该先尝试找出最合适的回归公式。