真实作者：
Extrapolator是经过长期研究而开发的时间序列预测工具。它可以帮助我们预测未来的价格走势。该指标绘制了两条线：蓝线表示训练期间的模型价格，红线则显示预测的未来价格。
这个指标基于几种可通过“Method”输入变量选择的方法：
- 傅里叶级数外推；频率使用Quinn-Fernandes算法计算；
- 自相关法；
- 加权Burg方法；
- 带Helme-Nikias加权函数的Burg方法；
- Itakura-Saito（几何）方法；
- 改进的协方差方法。
方法2到6为线性预测方法。线性预测是通过之前的值来寻找未来值的线性函数。假设我们有一个价格范围x[0]到x[n-1]，其中较旧的索引对应较新的价格。
未来价格x[n]的预测计算公式为：
x[n] = -Sum(a[i]*x[n-i], i=1..p)
其中：
- a[i=1..p] - 模型比率；
- p - 模型结构。
方法2到6通过在最后的训练n-p条上减少均方根误差来找到a[]比率。当然，我们可以通过直接在n=2*p时使用Levinson-Durbin算法来求解上述线性方程组，从而实现训练条上的零误差预测。这种预测方法称为Prony方法，但它的缺点是未来值的预测不稳定，因此未被包含在内。
其他输入数据包括：
- LastBar - 之前数据的最后一个条目索引；
- PastBars - 用于预测未来值的前几个条目数量；
- LPOrder - 线性模块结构占前几条的比例（0..1）；
- FutBars - 预测的未来条目数量；
- HarmNo - 方法1的最大频率数量（0表示选择所有频率）；
- FreqTOL - 方法1中频率计算的不准确度测量（>0.001可能无法收敛）；
- BurgWin - 方法2的加权函数索引（0=矩形，1=汉明，2=抛物线）；
该指标首次在MQL4中实现，并于2008年12月9日在mql4.com的代码库上发布。
