曲線擬合指標源碼

❶ 通達信指標中有一個直線擬合指標（ZXNH），請問這個指標的源碼是什麼，這個指標有什麼用處。

這個指標是通達信加密指標，直線擬合指標是查找區間內的股價的最高價，最低價的一個指標,是屬於帶未來函數性質的一個指標,它所發出的信號會發生漂移。沒有具體源碼公式。

1、直線擬合指標是尋找階段內代表性高點、低點的工具；

2、直線擬合本身沒有預測功能，即不能利用直線擬合指標直接研判，但可以利用直線擬合指標輔助判斷頂背離、底背離等。

該指標在賦值以後就與DRAWLINE、DCLOSE、XMA等函數類似了，此時信號將發生偏移。這種特性完全是未來函數。

(1)曲線擬合指標源碼擴展閱讀：

通達信的市場應用：

在中國股票分析軟體領域，通達信的事業、研究開發的力量正處於鼎盛時期。公司一貫注重客戶服務和售後支持，制定了一套完整健全的客戶服務制度,開設了多個分支機構。憑借誠信嚴謹、始終如一的服務，贏得了業界廣泛認同。

現在，公司發展迅速，業務遍及全國30多個省市，90多家證券公司總部網上服務系統，600多個網上行情伺服器,證券營業部客戶600百多家。中央台、深圳台等知名媒體使用本公司的產品評解股市。

目前公司有員工近200人，其中武漢研發中心有160多人，其它為各分公司、辦事處人員。公司本科以上學歷佔95%以上，公司主要股東和技術領導均為碩士研究生，在學校期間及創業期間陸續出版了：DOS深入剖析、NOVELL內核研究、LINUX內核深入剖析等多本書籍，被相關學校推薦為教學用書。

通達信在證券分析領域、在證券網上電子商務領域，憑借其雄厚的技術實力及公司相對穩定、充足資產狀況，已經與其它公司在這些領域內拉開了距離。我們希望能為證券業的電子商務服務提供強有力的技術支撐及行業經驗保證。

❷ 跪求多項式遺傳編程擬合曲線的代碼！！！

http://www.51kaifa.com/jswz/read.php?ID=1326

多項式可用於非線性信號的擬合，關鍵在於求解其各項系數。對於任何非線性函數，文中提出都有一個規范化的擬合方法。相應有一個規范化的多項式。該規范化多項式是以整數n為底的冪級數，最大冪次 nmax是x坐標區間的等分數，其系數可用一個規范化的矩陣積得到。文中又給出了固體電子學中的兩個應用實例。當x坐標區間分段擬合應用時，還討論了函數及其導數計算值的連續性條件，並以正弦函數不同區間的展開為例，作了演示。
[關鍵詞] 多項式擬合，非線性信號，規范化方法，規范化矩陣

物理或化學量之間的非線性關系已受到廣泛的重視。比較廣泛應用的擬合方法是最小二乘法〔1〕，還有神經網路法〔2〕, 遺傳演算法〔3〕，退火演算法〔4〕等。都是針對某一實際問題採用的方法。其中最小二乘法又分為最佳擬合直線(最小二乘擬合直線，端點直線和零基準最小二乘擬合直線)和最佳多項式擬合曲線。前者的優點是用一個正比直線代替曲線給計算帶來許多方便。後者的精度明顯比前者高。因此精度要求比較高的場合通常採用多項式擬合。

1 基本原理
有一非線性信號y=f(x)可以用一個多項式來表示
通常取到n=4便可以是近似表達非劇變的非多極值的單值關系。即有
ε為小量。
如何得到多項式各個系數成為解決問題的關鍵。這就有上面所提到各種方法。對於式(2)來說，一般需要有4次測量值即曲線上的四個點(如圖1所示)

方可得到 。時，便相應有

這里張量的右上角標指標代表方階，第2個右下標則是列指標，兩者相同。 取決於所測物理量的大小，與具體問題有關。因此求解便不能用一種標准化的方法。現在提出一種規范的方法，也就是說，不管什麼問題， 都可以轉化為一種規范化的同構矩陣及相應的逆矩陣。這為非線性的問題採用多項式擬合提供了極大的方便。
令xn=nx1 , (5)
n為整數。即有等分點被稱為橫坐標的縮尺。例如取n=4,則有x1=xmax/4。於是有 ：

可以得到下式：

其中n=x/x1,比較式(7)和 (10)可以得到
由式(2)，即 就是式(9)，可見這是一種標准演算法，與x物理量無關，這是本文所追求的目標。與物理量有關的僅僅是其縮尺x1。

2. 應用實例
集成電路生產中經常要使用Van der Pauw和Rymaszewsk法測定薄層電阻。前者用下式[5]：

於是范德堡函數可以表示為

上式的曲線如圖2所示，與ASTM中的曲線(圖2中虛線)十分吻合[7]。式(14)在 ＝1到10的范圍內的精度為

3. 討論
上面已討論了n=5時非線性函數展開式5階多項式的情況。取5個等分點便可以實現精確的擬合。如果已得n=8等分點上非線性函數的單值。希望多項式展開到四階，則分成二大段展開：
同樣可以應用本文所介紹的多項式進行規范化擬合。可以看出，擬合的精度取決於非線性函數自身的光滑程度以及起伏變化的大小等分點的密集程度。等分點越密集，則規范化矩陣的階數越高，求其逆矩陣越繁瑣。因此，可以進行如上面所述的分段擬合，以降低矩陣的階數。
3.1 分段計算時接合點上的函數連續性問題
只要 矩陣元的小數點位足夠精確，在分段接合點 上，函數值肯定是連續的。即有：

證明從略。

3.2 分段計算時接合點上的導數的連續性問題

由4.1討論可知y3、y4、y5， 可以嚴格保持原始值，導數在 (即x4點)的連續性就取決於他們的原始分布。圖3中a、b、c表示出三種情況下y3、y4、y5的分布。除了第三種情況外，第一二兩種情況是在一級近似下分段計算的導數是連續的。當要求導數在接合點連續時，擬合的相鄰分段就應該有部分重疊。這時y(1)和y(2)做多項式擬合時橫坐標就分成5或6等分。相應展開成5階或6階冪級數。在接合點x4上的導數在一級近似下就可取其左右兩邊的導數的平均值：

因此，即使出現了圖3-c情況，導數也是連續的。為了說明上述做法的可行性，下面以非線性函數sin(x)及其導數為例來加以印證。將x坐標的等分點取為 這就代表一個起伏變化的函數，有推廣應用價值。現讓二分段有部分重疊，用上面介紹的規范化方法分別得到二分段的多項式擬合結果：

圖4示出各擬合式的曲線與sin(x)曲線的比較，以觀察兩者接近情況以及接合點上函數連續情況。圖5示出上述擬合式的導數與sin(x)ˊ=cosx 曲線的比較。可見導數也是連續的。總之，本文所提出的方法方便，簡單，擬合精度高，標准規范的特點。當擬合點多時，為降低矩陣的階數，可以分段擬合。只要逆矩陣元的小數位足夠精確，接合點上擬合式肯定連續。當兩段間有部分重疊時，導數也是連續的。

參考文獻

[1] 孫以材，劉玉嶺，孟慶浩，壓力感測器的設計製造與應用，(北京)冶金工業出版社(2000)
[2] 王偉，人工神經網路原理，北京航空航天出版社(1995)
[3] Helena Szezerbicka and Matthias Becker,Genetic Algorithms : A tool for modeling simulation and optimization of complex system . Cybernetics and systems : An International Journal , 1998 , 29 : 639-659 .
[4] 姚姚，蒙特卡洛非線性反演方法及應用，(北京)冶金工業出版社(1997).
[5] L. J. van der pauw, Philips Research Reports 13(1958), 1.
[6] Rymaszewski R., Electron. Lett. , 3 (1967), 57.
[7] ASTM F76-68,1971 Annual book,part 8,P652-668

❸ matlab曲線擬合 求詳細代碼

一（X,Y）的散點圖

代碼如下：

x=[3491540];

y=[28101561];

plot(x,y,'*')

運行圖形：

二（X,Z)的散點圖

代碼如下：

x=[3491540];

y=[28101561];

z=log(y);

plot(x,z,'*')

運行圖形：

❹ 尊敬的各位老師: 請賜教通達信ZXNH直線擬合指標公式的擬合編寫法,可發私信給我,加謝500分。

我不是來拿分的！善意的提醒，不要把有限的精力浪費在無聊的技術指標上！

❺ 如何利用spss進行曲線擬合，並得到擬合曲線方程，像y=ax+b這樣的東西，在哪裡能看到這公式

1、曲線擬合過程。

❻ 如何計算與實驗數據曲線與標准曲線的擬合度

使用Eviews軟體很方便，點Eviews上面的Quick---------Estimate Equation,看看可決系數就可以了。
或者：（1）計算殘差平方和Q=∑(y-y*)^2和∑y^2，其中，y代表的是實測值，y*代表的是預測值；
（2）擬合度指標RNew=1-(Q/∑y^2)^(1/2)
Rnew是最近才出現的用於判定非線性回歸方程的擬合度的統計參數，現在我還沒有看到它的中文名稱。之所以用角標new就是為了和線性回歸方程的判定系數R2、adjusted R2進行區別。在對方程擬合程度的解釋上，Rnew和R2、adjusted R2是等價的，其意義也相同。
對線性方程：
R^2==∑(y預測-y)^2/==∑(y實際-y)^2，y是平均數。如果R2=0.775，則說明變數y的變異中有77.5％是由變數X引起的。當R2＝1時，表示所有的觀測點全部落在回歸直線上。當R2=0時，表示自變數與因變數無線性關系。

擬合優度是指回歸直線對觀測值的擬合程度。度量擬合優度的統計量是可決系數（亦稱確定系數）R^2。R^2的取值范圍是[0，1]。R^2的值越接近1，說明回歸直線對觀測值的擬合程度越好；反之，R^2的值越接近0，說明回歸直線對觀測值的擬合程度越差。

❼ 一元線性回歸模型的擬合優度檢驗的matlab代碼

主要是用regress函數來進行：給你舉個例子來說明吧。
x=[0 1 2 3 4 ]';y=[1.0 1.3 1.5,2.0 2.3]';
x=[ones(5,1),x]; %給出兩個數組元素
[b,bint,r,rint,stats]=regress(y,x,0.05); ％對x和y進行一元線性回歸，並得到相關系數，其中，stats中第一個數即為相關系數，大於0.9就認為擬合很好。
結果：stats =
0.9829 171.9474 0.0010 0.0063
即為0.9829.

❽ 求生長曲線（即S型曲線）擬合的C++程序代碼！！

我不知道你的abc常數究竟等於幾，我在代碼里空出來，你自己補充
#include
<stdio.h>
#include
<math.h>
#define
a
()
//自己添加值
#define
b
()
#define
c
()
#define
e
(2.7182)
#define
L(t)
1/(a
+
b
*
pow(e,
-ct))
這樣就ok了。L(t)就是你要的宏。

❾ excel曲線擬合中的決定系數R平方是如何求出來的

VBA編程：t = (Application.WorksheetFunction.Pearson(InDat, OutDat)) ^ 2

❿ 用matlab進行曲線擬合，要數據代碼

x1=[2 2.5 3 3.5 4 4.5 5 5.5 6];
y1=[41 38 34 32 29 28 25 22 20];
x2=[0 10000 20000 30000 40000 50000 60000 70000];
y2=[1 1.4 1.7 1.85 1.95 2 1.95 1.8];
p1=polyfit(x1,y1,1)
p2=polyfit(x2,y2,2)