股票指標歸一化方法

Ⅰ 如何編寫股票技術指標

不同的股票軟體編寫方法不太一樣~要具體分析。當然不管哪種我都不精專通，可能幫不到你。屬

但是說句打擊你的話。你真的認為指標可以指引方向么？現在的指標比較有突出的成功率的都是建立在資料來源的優勢上，比如原先的贏富，是建立在別人沒有的買賣記錄上，level2是建立在詳細的買賣資料上，並不是因為他們的編寫的邏輯性有多高，分析能力有多強。你真的覺得指標可以指引股票交易么？我很懷疑。就最近的醫葯股漲停，根本就是豬流感引起的爆炒~指標不能指引吧？昨天銀行股的大漲，是因為消息的刺激。估計指標也沒有啥指引性。
如果用現在大家一般能得到的資料來分析。指標可以指引也就是量價而已。這種指標很多。而且基本能用的都用了，基本快速反應失誤率高。反應慢的容易錯過最佳買入時機。而且最重要的是，在盤整的時候都容易失去作用~。
我總認為憑技術指標炒股是最低層次，要不你有錢坐莊，要不你有快人一步的內部消息，要不你對經濟把握比較准確。憑指標判斷~總是不好，至少我認識的很少憑指標賺錢的~ 仁者見仁智者見智。有時間希望多交流。

Ⅱ 怎樣把股票指標復原成K線

恢復方法： 滑鼠移到K線圖空處,點右鍵,刪除五彩K線即可。
K線圖（Candlestick Charts）又稱蠟燭圖、日本線、陰陽線、棒線、紅黑線等，常用說法是「K線」。它是以每個分析周期的開盤價、最高價、最低價和收盤價繪制而成。
K線圖是技術分析的一種，最早日本人於十九世紀所創，起源於日本十八世紀德川幕府時代（1603～1867年）的米市交易，用來計算米價每天的漲跌，被當時日本米市的商人用來記錄米市的行情與價格波動，包括開市價、收市價、最高價及最低價，陽燭代表當日升市，陰燭代表跌市。這種圖表分析法在當時的中國以至整個東南亞地區均尤為流行。由於用這種方法繪制出來的圖表形狀頗似一根根蠟燭，加上這些蠟燭有黑白之分，因而也叫陰陽線圖表。通過K線圖，人們能夠把每日或某一周期的市況表現完全記錄下來，股價經過一段時間的盤檔後，在圖上即形成一種特殊區域或形態，不同的形態顯示出不同意義。可以從這些形態的變化中摸索出一些有規律的東西出來 。K線圖形態可分為反轉形態、整理形態及缺口和趨向線等。後K線圖因其細膩獨到的標畫方式而被引入到股市及期貨市場。股市及期貨市場中的K線圖的畫法包含四個數據，即開盤價、最高價、最低價、收盤價，所有的k線都是圍繞這四個數據展開，反映大勢的狀況和價格信息。如果把每日的K線圖放在一張紙上，就能得到日K線圖，同樣也可畫出周K線圖、月K線圖。

Ⅲ 定性指標與定量指標的歸一化的方法主要有哪些

一、直線型無量綱化方法：又包括閥值法、指數法、標准化方法、比重法。二、折線型無量綱化方法：凸折線型法、凹折線型法、三折線型法。三、曲線型無量綱化方法 。目前常見的無量綱化處理方法主要有極值化、標准化、均值化以及標准差化方法,而最常使用的是標准化方法。但標准化方法處理後的各指標均值都為0,標准差都為1,它只反映了各指標之間的相互影響,在無量綱化的同時也抹殺了各指標之間變異程度上的差異,因此,標准化方法並不適用於多指標的綜合評價中。而經過均值化方法處理的各指標數據構成的協方差矩陣既可以反映原始數據中各指標變異程度上的差異,也包含各指標相互影響程度差異的信息。四、數據標准化的方法： 1、對變數的離差標准化離差標准化是將某變數中的觀察值減去該變數的最小值，然後除以該變數的極差。即x』ik＝[xik －Min (xk)]／Rk經過離差標准化後，各種變數的觀察值的數值范圍都將在〔0，1〕之間，並且經標准化的數據都是沒有單位的純數量。離差標准化是消除量綱（單位）影響和變異大小因素的影響的最簡單的方法。 有一些關系系數（例如絕對值指數尺度）在定義時就已經要求對數據進行離差標准化，但有些關系系數的計算公式卻沒有這樣要求，當選用這類關系系數前，不妨先對數據進行標准化，看看分析的結果是否為有意義的變化。2，對變數的標准差標准化標准差標准化是將某變數中的觀察值減去該變數的平均數，然後除以該變數的標准差。即x』ik ＝ (xik － )／sk經過標准差標准化後，各變數將有約一半觀察值的數值小於0，另一半觀察值的數值大於0，變數的平均數為0，標准差為1。經標准化的數據都是沒有單位的純數量。對變數進行的標准差標准化可以消除量綱（單位）影響和變數自身變異的影響。但有人認為經過這種標准化後，原來數值較大的的觀察值對分類結果的影響仍然占明顯的優勢，應該進一步消除大小因子的影響。盡管如此，它還是當前用得最多的數據標准化方法。3，先對事例進行標准差標准化，再對變數進行標准差標准化第一步，先對事例進行標准差標准化，即將某事例中的觀察值減去該事例的平均數，然後除以該事例的標准差。即x』ik ＝ (xik － )／si第二步，再對變數進行標准差標准化，即將某變數中的觀察值減去該變數的平均數，然後除以該變數的標准差。即x』』ik ＝ (x』ik － 』k)／s』k使用這種標准化的目的也在於消除性狀間的量綱（單位）影響和變異大小因子的影響，使性狀間具有可比性。4，先對變數、後對事例、再對變數的標准差標准化這種標准化的目的也在於消除性狀間的量綱（單位）影響和變異大小因子的影響，使性狀間具有可比性。具體做法是：第一步，先對變數進行標准差標准化，即將某變數中的觀察值減去該變數的平均數，然後除以該變數的標准差。即x』ik ＝ (xik － )／sk第二步，後對事例進行標准差標准化，即將某事例中的觀察值減去該事例的平均數，然後除以該事例的標准差。即x』』ik ＝ (x』ik － 』i)／s』i第三步，再對變數進行標准差標准化，即將某變數中的觀察值減去該變數的平均數，然後除以該變數的標准差。即x』』』ik ＝ (x』』ik － 』』k)／s』』k進行了前兩步之後，還要進行第三步的原因，主要是為了計算的方便。

Ⅳ 股票技術分析：adx指標常用的方法有哪些

adx指標，英文全稱：Average Directional Index 或者Average Directional Movement Index。在國內投資市場比較少用，但是在股票技術分析中判斷標判斷盤整、振盪和單邊趨勢時還是經常用到的。

adx指標使用方法：
1.惟有ADX評級偏高的證券才適合採用順勢交易的系統。ADX讀數是反映趨向變動的程度，而不是方向的本身。

2.進場與出場是採用+DI14與-DI14的穿越信號。
3.當極端點交易法則生效時，法則2將有例外。當DI發生穿越信號時，取當天的極端點做為止損點;換言之，多頭頭寸取當天的低價為止損點，空頭頭寸取當天的高價。在隨後的幾之內，如果止損點未被觸及，即使DI再發生穿越信號也不需理會。

4.當ADX的位置高於兩條DI而方向發生改變，這是趨勢反轉的早期信號，可以做部份的獲利了結。最後的平倉信號是來自於DI穿越或極端點的止損被引發。當ADX改變方向時，如果+DI14高於-DI14，這代表趨勢的變動是由上亦下，反之亦然。

5.如果ADX高於兩條DI，而且讀數明顯偏高，這代表既有的趨勢已經持續一段時間。這並不是建立新頭寸的理想時機，因場信號很可能反復。換言之，ADX的讀數偏高，相當於是超買/超賣，順勢的新交易頭寸通常很難獲利。

6.如果ADX同時低於兩條DI，避免採用順勢交易的系統，因為市場中沒有明顯的趨勢。
7.如果ADX的讀數低於20~25，不論它與兩條DI的相對位置如何，都避免採用順勢交易的系統，因為市場中沒有明顯的趨勢。

簡單概述，詳細的可參閱下有關方面的書籍系統的學習一下，同時用個模擬盤去練練，這可快速有效的掌握技巧，目前的牛股寶模擬炒股還不錯，裡面許多的功能足夠分析大盤與個股，使用起來有一定的幫助，願能幫助到您，祝投資愉快！

Ⅳ 數據歸一化方法對比

地下水功能評價的要素指標多達30組項，彼此相互聯系、相互補充，又具有層次性和結構性，是一個有機整體。但是，30多個要素指標中，類型多樣，既有漸變規律的點源監測數據，又有斑塊狀高度均化的區片統計數據，還有通過地下水資源評價獲取的分區成果數據，以及不連續、不全、無規律的數據。既有反映單一變數數據，又有抽象或相關分析數據，例如「比率」和「關聯度」等。如何使這些復雜的數據服務於地下水功能評價，反映地下水功能及不同次屬性的時空特徵或狀況，既要容納較齊全的信息量，又要求最大限度地降低重疊度和減小混沌度，同時還要明顯地反映出不同層次的狀況等級特徵，反映地下水的資源、生態、環境功能方面的30個指標量綱不一致，反映問題的角度不同。為使這些指標之間具有可比性，從而完整地組合到一起，實現對研究區各功能和屬性較准確地描述或表達，唯一辦法是將不同單位表示的指標作無量綱化處理，同時還不能改變原指標的數據排序和等級關系，保證變數的信息不失真。因此，需要對所有指標歸一化［0，1］的標准化處理。

指標無量綱、歸一化的方法很多，各有其特點。哪一種方法適宜地下水功能評價的數據歸一化，這是一個需要重視的問題，否則會影響最終的評價結果。本節通過對不同類型的數據採用不用方法對比和分析，確定了比較適宜地下水功能評價數據最後合適的標准化方法。

（一）數據狀況

地下水功能評價與區劃指標體系是針對我國北方地區。在西北、華北或東北不同地區開展地下水功能評價與區劃，需要根據工作區實際情況從34個指標選取或增補。包括地下水的補給資源佔有率、儲存資源佔有率、可利用資源佔有率、補儲更新率、補給可用率、補采平衡率、降水補給率、水位變差補給比、水位變差開采比、水位變差降水比、可采資源模數、可用儲量模數、資源質量指數、資源開采程度、天然植被變化與地下水關聯度、綠洲變化與地下水關聯度、土地鹽漬化與地下水關聯度、土地質量與地下水關聯度、地面沉降與地下水關聯度、海咸侵與地下水關聯度、地下水質量與地下水關聯度和地下水補給變率與水位變差比。涉及包含的變數有區內獲取補給資源模數、儲存資源模數、可動用地下水儲存資源量、近5～12年年均開采量、近5～12年年均水位變差、近5～12年年均降水量、地面沉降量、實際開采量、天然植被變化（面積或其他指標）、綠洲變化（覆蓋率或其他指標）、土地鹽漬化程度情況和地下水質量等級共12組。

根據上述變數的表達形式，分為「數值型」和「非數值型」兩類指標。「數值型」指標是具體的數據，「非數值型」是相對等級的指標。「數值型」指標能夠直接代入「標准化公式」進行運算，然後比較和驗證，「非數值型」指標只能憑借專家意見給出評分。

（二）標准化計算公式

1.統計標准化法

這是廣泛使用的方法，公式為

區域地下水功能可持續性評價理論與方法研究

式中：Z_i為標准化後數值；X_i為原始數據；

為X_i的均值；S為標准差。

2.極值標准化法

極值標准化方法是將一列數據的最小值和最大值作為［0，1］的界限值，然後通過式（5-2）轉換，使該列所有數據轉變成［0，1］之間數據，並保持原有的位置和相對大小等級特徵。

區域地下水功能可持續性評價理論與方法研究

式中：min（X_i）和max（X_i）分別為指標X_i的最大值和最小值，其他同前。

3.定基轉化法

定基轉化法是一種比較簡單的歸一化方法，它採用最大值作為基值，通過式（5-3）公式將所有數據轉化為［0，1］之間的數據。

區域地下水功能可持續性評價理論與方法研究

式中：X₀是用於比較的基準值，其他同前。

4.環基轉換法

環基轉化法適合於處理指數型序列數據的歸一化問題，計算公式為

區域地下水功能可持續性評價理論與方法研究

式中：X_i，X_i-1為原始數據，其他同前。

5.極值標准化修正法

極值標准化修正法是一種相對復雜的歸一化方法，它需要求解a，b兩個系數，主要優點是避免了「0」的出現。

計算公式為

區域地下水功能可持續性評價理論與方法研究

式中：a，b為一組數據的率定系數，不同組數據的系數各不相同。其他同前。

（三）各種方法對比與分析

歸一化方法選用的是否合適，影響到確定指標的標准化數據的區間分布，進而影響到指標的等級劃分。通過對式（5-1）至式（5-5）的適用范圍和特點對比與分析，認為式（5-1）和式（5-4）不適宜地下水功能評價基礎數據的歸一化處理。

1.不適宜公式及依據

（1）排除式（5-1）的原因

考慮到多元指標的比較和指標等級劃分，歸一化後的數據要求介於［0，1］之間，同時還要求標准化後的數據的離散程度或等級不應出現本質性改變。而式（5-1）處理的數據不都在［0，1］間，而且還有負值（表5-15）。因此，式（5-1）被排除。

表5-15 利用統計標准化處理的單元沉降量數據結果

續表

（2）排除式（5-4）的原因

式（5-4）適合於構造時間序列指數的數據歸一化處理，不適宜地下水功能所用的各種數據。

2.三類數據比較選擇最佳公式

數據標准化方法有多種，包括統計標准化、極值標准化、定基轉換、環比轉化和修正極值標准化方法。根據上述公式的適用范圍，排除統計標准化和環比轉化公式。下面採用三類數據對極值標准化、定基轉換和修正極值標准化公式進行驗證和篩選分析，以期從中選擇適合公式。

第三類數據為分類數據，沒有具體數值，也就不可能代入公式進行檢驗和比較，此類變數直接根據專家組打分，在［0，1］之間賦值，然後劃分到各等級。在這里重點對第一類和第二類數據進行驗證和比較。

（1）利用剖分單元前數據的規律性分析結果

採用頻數直方圖法對在華北平原地下水功能評價示範研究中所用的10組D層要素指標數據（每組數據5645個）進行規律性分析，其中橫軸表示數據的分組，縱軸表示頻數。為了觀察數據分布的特徵和規律，應保持組數和組距的等距，避免數據分布過於集中或分散。

調整的方法是利用Sturges提出的公式，確定組數（K）和組距（K=1+lgn/lg2，n為數據的個數；組距=［最大值-最小值］/組數）。

調整步驟如下：

A.確定組數

組數的多少，一般與數據本身特點及數據多少有關。實際分組時，應按照Sturges公式確定組數。在此基礎上，為避免出現部分組距間沒有數據分布的局限，可作適當調整。

B.確定組距

根據全部數據的最大值和最小值及數據組數，確定組距。為了便於計算，組距應取整數。

依照上述步驟，繪制10組單元數據的頻數直方圖，如圖5-9所示。

對比結果，8組直方圖形狀各不相同，差別較大，組距的數據變化明顯。這表明地下水功能評價所用基礎數據難以取得統一性規律。

圖5-9 實際資料頻數直方圖

（2）按數據空間分布特徵分類

在地下水功能評價中所有變數劃分為兩類：數值型數據和分類型數據。數值型數據通過標准化量化為評價所需要的數據，分類型數據沒有具體數據表達，量化評價時由專家組根據經驗在指標等級［0，1］區間直接賦值。示範研究過程中收集的資料有兩種形式，即圖件或源數據，圖件如資源分布圖、開采強度分布圖、給水度分布圖、水位變差圖等，都是根據實際觀測或調查的第一手數據資料繪制，在利用Excel繪制數據變化曲線時，需要反過來從圖件中提取數據。以源數據形式存在的則直接應用，查找不同變數的規律性。

數值型數據是否具有同樣的空間分布規律，能否可以根據資料數據再詳細分類，究竟單元剖分前數據有規律，還是剖分後數據有規律，或者兩者的數據分布都由一致的規律性，下面進一步分析。

A.利用單元剖分後數據找尋分布規律

在沒有確定採用何種歸一化方法之前，先總結10組變數的剖分單元數據分布規律，對其進行分類。通過數據分組後形成的頻數分布表，初步尋找數據分布的一些特徵和規律。為了探討地下水功能區劃多元指標之間的關系難題，首先基於單元水體的各變數之間的關系，提供單元系統的各「比率」、「關聯度」以及某些單一指標數據。在考慮研究區面積大小的條件下，把整個研究區劃分為5645個單元。因此，本次工作中首先繪制單元剖分後10組指標數據（每組數據5645個）的頻數直方圖，繪圖時橫軸表示數據分組，縱軸表示頻數，為了觀察數據分布的特徵和規律，注意調整組數和組距（組距等距），不使數據分布得過於集中和分散。調整每一個直方圖的組數和組距，在滿足所有變數都在圖中顯示、每一組距都有數據的基礎上，確定直方圖最後的分布形狀。Sturges提出的公式給出確定組數K（K=1+lgn/lg2，n為數據的個數）和組距（組距=（最大值-最小值）/組數）的經驗，步驟如下：①確定組數。組數的多少一般與數據本身的特點及數據的多少有關。實際分組時按照公式確定組數，在此基礎上為消除部分組距之間沒有數據分布的影響，作了適當調整。②確定各組的組距。組距的確定根據全部數據的最大值和最小值及所分的組數來確定，為便於計算，組距取整數。依照上述步驟，繪制了剖分單元的10組變數頻數直方圖（圖5-9），圖5-9中曲線為GAUSS曲線，似乎變化趨勢一致，觀察和比較後發現8組變數的直方圖形狀各自都不相同，而且差別很大，直方圖錯落變化，組距中的數據變化大起大落。因此，單元剖分後的數據整理後利用頻數直方圖不能發現不同指標之間的規律。沒有規律可言，也就無法進行分類，而且直方圖調整到什麼形狀最為合理是個模糊概念。所以，利用剖分後數據對評價指標變數進行分類不可行。

B.利用單元剖分前數據找尋規律

項目研究過程中收集的資料圖件，如資源分布圖、開采強度分布圖、給水度分布圖、水位變差圖等的表達形式只有兩種：分區或等值線，現在反過來從圖件提取數據，利用不同變數剖分前數據變化情況，查找不同變數的規律性。

指標變數剖分前數據分散性較強且量小，可以通過利用Excel軟體分析數據點的分布特徵來探究其中的分布規律。根據評價指標所受外界驅動力的來源不同，從評價體系的34個指標中，分別選取了受自然因素影響的典型指標，如晚更新世底板埋深、給水度和降水量，受人類活動驅動的指標，如開采強度、開采資源模數，還選取了受自然和人類綜合因素影響的指標，如資源分布圖、淺層地下水變差，囊括了地下水功能評價指標體系中的34個指標所受外界影響的三種類型。

這三種類型數據利用Excel繪制的效果圖如圖5-10所示。其中，資源分布圖、晚更新世底板埋深、淺層地下水變差和給水度分布圖數據幾乎呈直線分布，而開采強度、降水量和開采資源模數數據趨勢線轉折點較多，彎曲變化很明顯。主要原因是由於地層岩性從山前到中部平原依次為卵礫石、粗砂、細砂、粉砂，砂層厚度逐漸變薄。前一類數據的資源分布主要與砂層厚度和岩性有關。給水度數據主要受岩性、水文地質條件、地層埋藏條件等影響，曲線表現比較平緩。而淺層地下水變差雖然受開採的影響，但人為規定的數據變化等值線為等間距，所以數據變化趨勢也呈直線。此類數據劃為第一類變數數據。第二類數據中的開采強度和開采資源模數是描述與人類活動有關的數據，受自然條件、經濟發展、文明程度、社會水平等綜合因素的影響，數據變化沒有規律性。降水量數據雖然只是受到自然條件影響，但項目組在整理現狀資料時，只是收集到各縣的年平均降水量資料。而各縣在測降水量時程序、步驟、器材和觀測人員認真程度不一樣，所以即使鄰縣有的降水量數據也相差很多，表現在變化曲線上就為折線，彎曲點很多。因此，把受人為因素影響佔主導的數據歸為第二類變數。如果收集到的降水量資料為整個研究區的降水量分布圖，表現形式為降水量等值線或降水量分區圖，此時可以把降水量指標劃歸為第一類變數數據。

在下面數據變化趨勢中只羅列了34組變數中的7組典型數值型變數，還有地下水質量分布、土壤鹽漬化程度分區、礦化度分布等變數數據沒有繪制數據變化曲線。這類變數為分類數據，只是劃分等級，沒有具體的數據表示。例如地下水質量分布按照國家地下水質量標准劃分為Ⅰ，Ⅱ，Ⅲ，Ⅳ和Ⅴ級，土壤鹽漬化分區劃分為極重度鹽漬化、重度鹽漬化、中度鹽漬化和輕度鹽漬化，地下水礦化度分布按照1g/L，1～3g/L，3～5g/L，﹥5g/L劃分為淡水、半鹹水、微鹹水和鹹水四類。此類分類數據劃分為第三類變數。在地下水功能評價指標體系中還有一些變數屬於分類數據，如土地沙化狀況、土地質量（綜合指標）等，也都劃歸為第三類變數數據。

綜上所述，地下水功能評價與指標體系的指標變數數據分為三類數據：第一類為主要受自然影響的自然變化規律數據，第二類為主要受人類活動影響的變數數據，第三類為分類變數數據。

圖5-10 地下水功能評價中指標的原始數據分析

所以，按數據空間分布特徵將各類數據劃分為連續漸變型數字數據（即規律性數據，記作CR類數據）、非規律性數字數據（記作NR類數據）和非數字性的定性數據（記作NF類數據）三類。

（3）利用單元剖分前數據規律性分析結果

地下水功能評價所用基礎數據，主要有三類：第一類是主要受自然因素影響而呈現規律性變化數據，如降水量；第二類為主要受人類活動影響而呈現規律性變化數據，如開采量；第三類屬於相對定性、依靠專家評價的數據，如地下水質量等級的數據。

對於上述三類數據，應用式（5-2）、（5-3）和（5-5）對比與分析，首先確定第三類數據只能依靠專家評分，建立［0，1］間值，直接進入單元資料庫參加評價。對於第一類數據和第二類數據的分析結果，如下面所述。

A.第一類數據分析結果

採用極值標准化公式（5-2）：採用該方法標准化處理第一類數據之前，首先要採用遞增或遞減序列模式對原始數據進行排序（表5-16），盡量採用一種方法處理各組數據的排列，便於標准化後各組數據的比較。

從表5-16可見，利用式（5-2）標准化處理的第一類數據，其特點是：所有數據組的第一個數據都是「1」，最後一個數據都是「0」，中間數據逐漸過渡，而且所有數據都歸［0，1］間，基本符合地下水功能評價的技術要求。主要缺點是不管哪一組的第一個數據在該組中處於何種等級或重要性，都被歸一化「1」，成為「強」級；同理，各組的最後一個數據都被歸一化「0」，成為「弱」級。這樣處理，不利於區域性之間成果對比，也難以合理調整評價平台的基數。

表5-16 利用極值標准化法處理第一類數據的結果

採用定基轉換公式（5-3）：採用該方法進行數據標准化，最重要的是每一組變數基準值的確定。表5-17為四組變數定基標准化處理後數據，其中所有變數的基準值都採用本系列的最大值。該方法的優點是所有數據標准化後全部集中在［0，1］之間，每組變數系列對應數據的順序沒有改變。基準值在取每組變數系列最大值的基礎上，公式（5-3）既承接了公式（5-2）簡捷、快速的特點，又沒有使數據失真，尤其利用式（5-3）標准化處理後的數據，擺脫了在最小值區域出現大片「0」的問題。缺點是①基準值難以選取。處理相同問題，考慮的角度不同，採用的基準值就不同，由此定基標准轉化後的數據反映到綜合評價指數中就會得到不同的R值。②最小值沒有確定性，數據分布區間不一致。在示範效驗時，每組變數的基準值都採用變數系列中的最大值，這樣，標准化後數據系列的最大封閉值都為1，最小值由本系列數據的最小數據決定，大小不一，易出現偏態現象。例如補給資源佔有率的最小值就為0.334，在（0，0.334）之間沒有數據過渡，難以克服原數據高度集中的局限性。另外，不同組的基準值無法統一。

採用式（5-3）標准化處理第一類數據的結果，如表5-17所示。

表5-17 利用定基轉換法標准化處理第一類數據的結果

採用修正極值標准化公式（5-5）：採用該方法對變數數據標准化處理，可以克服上述幾種方法存在的問題，而且也不會出現最小值區域大片「0」問題（表5-18）。如果原始數據確實為「0」，標准化後數據也不會違背真實性，仍然為「0」，這種線性變換沒有使原數據組性質發生質變，從而保證信息表達的真實客觀性，同時修正了公式（5-2）的不足。相對於公式（5-3），該公式擺脫了基準值選取的不確定性，不會因基準值取值不同，得出不同的結果，而且，a，b值的求取簡便、快捷，沒有增加太大的工作量。所有變數標准化後都收斂到［0.99，0.01］區間，數據分布合理、有序，沒有數據堆積和偏態現象，便於比較。這種線性變換沒有使變數產生性質上的變形，從而保證信息沒有失真，提供給上一級屬性層合理真實信息，為屬性層綜合評價指數的計算結果提供准確的評價參數。

表5-18 利用式修正極值法標准化處理第一類數據的結果

a，b值的取值方法如下，對於地下水的補給資源變數，最大值為35，最小值為2.5，根據修正歸一化公式，建立對應方程組：

區域地下水功能可持續性評價理論與方法研究

解此方程組得出a，b值分別為1.15和5.74。依次類推，其他變數都可輕松得到a，b值。

B.第二類數據分析結果

採用極值標准化公式（5-2）對第二類數據標准化處理的結果，如表5-19所示，結論與第一類數據標准後情況相同。

表5-19 利用極值標准化處理第二類數據的結果

續表

採用定基轉換公式（5-3）標准化處理第二類數據的結果，如表5-20所示，結論與第一類數據標准後情況基本相同。

表5-20 利用定基轉換標准化處理第二類數據的結果

採用修正極值標准化公式（5-5）處理第二類數據的結果，如表5-21所示，結論與第一類數據標准後情況基本相同。

表5-21 利用修正極值標准化處理第二類數據的結果

通過上述利用不同公式對不同數組標准化的對比與分析，可獲得如下幾點認識：

1）式（5-1）和式（5-4）轉化功能及其轉化後的數據都不適宜地下水功能評價的數據標准化處理，式（5-2）、式（5-3）和式（5-5）具有可用性，各有優缺點。

2）採用式（5-2）標准化，在第一類和第二類數據中都出現「0」現象，容易造成最小值全部為「0」的現象，難以區別原始數據為「0」的客觀存在，因此，該法在地下水功能評價中應慎用或不用。

3）採用式（5-3）雖然可以排除「0」問題，但是「基準值」難統一，隨意性較大，而且若「基準值」選取不合理，容易發生數據偏向堆積問題，所以該法也不宜在地下水功能評價中應用。

4）採用式（5-5）能夠同時避免式（5-2）和（5-3）的不足，即最小值皆為「0」問題，也不會造成原始數據為「0」而標准化後非「0」問題，因此，式（5-5）可作為地下水功能評價基礎數據歸一化處理的首選公式。

Ⅵ 股票指標純化是什麼意思

股票指標鈍化是交易技術分析術語，意為技術指標形態發生粘結，導致該指標失去指示意義。

通常較引人注目的是指標高位鈍化和指標低位鈍化，但所謂高位低位只是相對而言，並無絕對衡量標准，更普遍的，在平衡狀態也會發生指標形態的粘結，致使指標失效（某些觀點可能不認同平衡態粘結為「鈍化」，但這僅是名稱定義的分歧，對分析和操作並無影響）。

一般情況下，只有短線指標會出現鈍化，例如RSI指標、KDJ指標、威廉指標等。短線指標出現鈍化以後就失去參考價值，投資者就沒有必要繼續運用它了。在進行操作的時候，可以參考中長線指標進行買賣。

(6)股票指標歸一化方法擴展閱讀：

隨機指標即KDJ指標。

該指標適用於中短期股票的技術分析。KD線的隨機觀念，遠比移動平均線實用。移動平均線在習慣上只以收盤價來計算，因而無法表現出一段行情的真正波幅的。換句話說，當日或當前數日的最高價、最低價，無法在移動平均線上體現。

隨機指標在圖表上採用%K和%D兩條線，在設計中綜合了動量觀念、強弱指標與移動平均線的優點，在計算過程中主要研究高低價位與收市價的關系，反映價格走勢的強弱和超買超賣現象。它的主要理論依據是：當價格上漲時，收市價傾向於接近當日價格區間的上端。

相反，在下降趨勢中收市價趨向於接近當日價格區間的下端。在股市和期市中，因為市場趨勢上升而未轉向前，每日多數都會偏向於高價位收市，而下跌時收市價就常會偏於低位。隨機指數在設計中充分考慮價格波動的隨機振幅與中短期波動的測算。

Ⅶ 股票技術指標分析 高手進來

不屬於小陰小陽 只看這圖後市無法分析

Ⅷ 股票軟體的公式、指標的未來函數是什麼意思

關於「未來函數」問題的探討
很多人使用指標公式，不知有「未來函數」，更有人一提到「未來函數」就談虎色變，大罵「未來函數」之害，這都是不正確的。要弄懂「未來函數」的本質，必須知其然並知其所以然，下面從五個方面進行探討。
一、什麼是「未來函數」
所謂「未來函數」，是指可能引用未來數據的函數，即引用或利用當時還沒有發生的數據對之前發出的判斷進行修正的函數。具體地說，就是本周期結束後顯示的指標值，包括線段和買賣提示信號，可能在以後發生新的數據後改變位置或消失。
通俗地講，含有不確定性判斷的指標公式，就是含「未來函數」的指標公式。含有未來數據指標的基本特徵是買賣信號不確定，常常是某日發出了買入或賣出信號（線段的轉折點與此同理），第二天如果繼續下跌或上漲，則該信號消失，並在明天新的位置標示出來。
二、含有未來函數公式的種類
（一）以之字轉向為代表的ZIG類函數。我們最常見到和經常提到的多指此類。
1、ZIG（K，N）之字轉向。
當價格變化量超過N%時轉向。K表示 0:開盤價；1：最高價；2：最低價；3：收盤價
例如：ZIG(3,5)表示收盤價的5%的ZIG轉向 。
2、PEAK（K，N，M）向前數前M個ZIG轉向波峰值。（以下用法略。點擊軟體中相應的函數時，下面有提示或用法）
3、PEAKBARS（K，N，M）前M個ZIG轉向波峰到當前距離。
4、TROUGH（K，N，M）前M個ZIG轉向波谷值。
5、TROUGHBARS（K，N，M）前M個ZIG轉向波谷到當前距離。
6、FLATZIG、FLATZIGA、PEAKA、PEAKBARSA、TROUGHA、ZIGA等等都屬於此類未來函數。
（二）准未來函數。
這部分函數存在引用未來數據的問題，但不如上述函數明顯，有些目前爭議較大。
1、FFT(X,N)、傅立葉變換。對序列X進行傅立葉變換或變換處理後反變換。
2、BACKSET(X,N)、向前賦值。若X非0,則將當前位置到N周期前的數值設為1。
3、WINNER、LWINNER等獲利盤比例類的和COST也有未來函數的性質，有時可使信號產生漂移。
（三）使用跨周期數據。
這是一種最為隱弊的方法，它的危害性更大。例如在日線中引用本周周線或本月月線數據時，就會造成本周或本月股價上漲時則信號成功；如果股價下跌，則信號自動消失。用公式檢測的辦法測試不出來。我們經常見到的用KD月、周、日同時金叉進行選股，就屬於此類，看起來成功率很高，實際是虛假的。
（四）指定買賣日期或買賣價格。
一般多發生在交易系統里。比如指定最低價買入，最高價賣出，或指定漲跌幅度，這些在交易過程中是無法實現的，所以盡管測試成功率時非常高，其實沒有任何實用價值。
三、未來數據的檢測方法
知道了未來函數的特徵和種類，具備了認識公式中有無未來數據的基礎，具體應用中如何識別呢，有以下方法：
1、公式中凡是用了ZIG之字轉向類的函數和使用了跨周期數據（如上所述）均應視為使用了未來函數。
2、看買賣信號是否確定。凡是已經出現的信號在新的一天或若干周期中存在漂移的，公式中存在未來函數。
3、從指標圖中鑒別。凡是買賣提示信號極為准確的（應看多張圖），即沒有失誤的，肯定有未來函數。
4、用股軟鑒別。
A、使用分析家軟體的系統測試平台檢測，是否含有未來數據系統會自動提醒。如果想親自看看信號的穩定性和歷史的變化過程，分析家的時空隧道可以令時光倒流讓你回到從前，信號如何產生、如何消失一目瞭然。
B、使用飛狐軟體的，更為簡單，在左側《管理面板》中用右鍵單擊公式的名稱，在出現的下拉菜單中點擊「公式檢測」即可。
此外還有一種方法是搞清公式的演算法。對於源碼公式，逐條分析後，是否含有未來數據的引用立刻便知。
四、未來數據在實戰中的運用
1、未來數據對於階段頂底轉折點的判斷是非常具有參考價值的。他可以給操作者一個可能轉折的點位，這是一般指標所無法辦到的。經過比較嚴格的限制優化後完全可以作為選股依據。
2、含未來數據的公式信號會由於繼續下跌或上漲而後移，因此當其信號出現後，要結合其他指標是否也發出信號，同時也要結合大盤形勢。在熊市中含未來數據的賣出信號較准，買入信號不太准；而在牛市中買入信號較准，而賣出信號不太准，這較符合這么一個規律：在熊市中每次逢高拋出都是正確的，在牛市中每次逢低買入都是正確的。
3、在跌勢中含未來數據指標的買入信號肯定是經常向後移的，因此要慎用，不僅是含未來數據的指標，就是不含未來數據的買入信號雖然不變，但是也是發出了又下跌，再發出，再下跌，因此也要慎用，但是賣出信號在跌勢中反倒是比較準的。
對於未來函數應當充分了解其意義後針對使用。對於不了解指標的運算方法和特性的，慎用為佳。尤其是含有未來數據的引用的的選股公式，不易直接使用。
五，是是非非話「未來」
以下是根據網友的觀點歸納整理而成，引用於此，供大家參考：
1、買股票，買的本來就是股票的未來！都是對未來股價的一種預期、一種預測。不管你使用什麼樣的分析方法，只要你買入或賣出股票了，就本質上而言，你就已經使用未來數據了！
2、未來函數不能直接用，並只作為謹慎參考，用時，要同時提醒自己，這是用未來函數表達的，可能會變異。
3、ZIG是陷阱，也能使人繞開許多陷阱，關鍵是正確地組織和應用，熟悉指標的特徵表達。
4、嚴格的說動態中的公式都有未來數據，從這層意義上說，未來函數無處不在。因此不必一見到未來數據就頭痛。
5、使用未來數據不用花費任何精力就可以輕松獲得表面上非常高的成功率。發出的買入信號在實際操作中毫無價值，是一種赤裸裸的欺騙行為，在實戰中給投資者帶來的慘痛損失和後果苦不堪言。
6、未來數據的要害是什麼？從本質上講是美化歷史而並不能從真正意義上揭示（啟示）未來，它把歷史上的一切功勞歸為自己，而完美地迴避了所有歷史錯誤。它揭示的只是一種過去時的未來，而非現實意義上的未來。
說明：本文中部分段落引用了網友的「成果」，在此謹致謝意。同時歡迎大家對此問題深入探討，讓未來函數成為我們的工具，更好地為我們服務。

很對不起，我忘記了此文的出處。謹向原作者致歉。你還可以在網路搜索「未來函數」就會有很多資料參考。

Ⅸ 股票技術指標的計算公式以及詳解

建議了解一些基本指標的含義及用法
MACD,RSI,KDJ,BIAS,掌握幾只指標就行了