趋势分析基础教程

1. 如何学习数据分析

首先我说说这两种方向共同需要的技术面，当然以下只是按照数据分析入门的标准来写：

1. SQL（数据库），我们都知道数据分析师每天都会处理海量的数据，这些数据来源于数据库，那么怎么从数据库取数据？如何建立两表、三表之间的关系？怎么取到自己想要的特定的数据？等等这些数据选择问题就是你首要考虑的问题，而这些问题都是通过SQL解决的，所以SQL是数据分析的最基础的技能，零基础学习SQL可以阅读这里：SQL教程_w3cschool

2. 统计学基础，数据分析的前提要对数据有感知，数据如何收集？数据整体分布是怎样的？如果有时间维度的话随着时间的变化是怎样的？数据的平均值是什么？数据的最大值最小值指什么？数据相关与回归、时间序列分析和预测等等，这些在网易公开课上倒是有不错的教程：哈里斯堡社区大学公开课：统计学入门_全24集_网易公开课
3.Python或者R的基础，这一点是必备项也是加分项，在数据挖掘方向是必备项，语言相比较工具更加灵活也更加实用。至于学习资料：R语言我不太清楚，Python方向可以在廖雪峰廖老师的博客里看Python教程，面向零基础。
再说说两者有区别的技能树：

1.数据挖掘向
我先打个前哨，想要在一两个月内快速成为数据挖掘向的数据分析师基本不可能，做数据挖掘必须要底子深基础牢，编程语言基础、算法、数据结构、统计学知识样样不能少，而这些不是你自习一两个月就能完全掌握的。
所以想做数据挖掘方向的，一定要花时间把软件工程专业学习的计算机基础课程看完，这些课程包括：数据结构、算法，可以在这里一探究竟：如何学习数据结构？
在此之后你可以动手用Python去尝试实现数据挖掘的十八大算法：数据挖掘18大算法实现以及其他相关经典DM算法
2.产品经理向
产品经理向需要你对业务感知能力强，对数据十分敏感，掌握常用的一些业务分析模型套路，企业经常招聘的岗位是：商业分析、数据运营、用户研究、策略分析等等。这方面的学习书籍就很多，看得越多掌握的方法越多，我说几本我看过的或者很多人推荐的书籍：《增长黑客》、《网站分析实战》、《精益数据分析》、《深入浅出数据分析》、《啤酒与尿布》、《数据之魅》、《Storytelling with Data》

2. 数据分析培训有哪些课程

培训课程如下：
一、大数据前沿知识及hadoop入门
零基础入门，了解大数据的历史背景及发展方向，掌握hadoop的两种安装配置
二、Hadoop部署进阶
熟练掌握hadoop集群搭建；对Hadoop架构的分布式文件系统HDFS进行深入分析
三、Java基础
了解java程序设计的基本思想，熟练利用eclipse进行简单的java程序设计，熟练使用jar文件，了解mysql等数据库管理系统的原理，了解基于web的程序开发流程
四、MapRece理论及实战
熟悉MapRece的工作原理及应用，熟悉基本的MapRece程序设计，掌握根据大数据分析的目标设计和编写基于maprece的项目
五、hadoop+Mahout大数据分析
掌握基于hadoop+mahout的大数据分析方法的使用场景，熟练运用mahout的成熟算法进行特定场景的大数据分析
六、Hbase理论及实战
掌握hbase的数据存储及项目实战、掌握Spark、Hive的安装、配置及使用场景
七、Spark大数据分析
Spark、Hive的安装、配置及使用场景，熟练运用Spark的成熟算法进行特定场景的大数据分析
八、大数据学习综合知识储备
统计学：多元统计分析、应用回归
计算机：R、python、SQL、数据分析、机器学习
matlab和mathematica两个软件也是需要掌握的，前者在实际的工程应用和模拟分析上有很大优势，后者则在计算功能和数学模型分析上十分优秀，相互补助可以取长补短。

3. 大数据如何入门

首先我们要了解Java语言和Linux操作系统，这两个是学习大数据的基础，学习的顺序不分前后。

大数据

Java ：只要了解一些基础即可，做大数据不需要很深的Java 技术，学java SE 就相当于有学习大数据基础。

Linux：因为大数据相关软件都是在Linux上运行的，所以Linux要学习的扎实一些，学好Linux对你快速掌握大数据相关技术会有很大的帮助，能让你更好的理解hadoop、hive、hbase、spark等大数据软件的运行环境和网络环境配置，能少踩很多坑，学会shell就能看懂脚本这样能更容易理解和配置大数据集群。还能让你对以后新出的大数据技术学习起来更快。

Hadoop：这是现在流行的大数据处理平台几乎已经成为大数据的代名词，所以这个是必学的。Hadoop里面包括几个组件HDFS、MapRece和YARN，HDFS是存储数据的地方就像我们电脑的硬盘一样文件都存储在这个上面，MapRece是对数据进行处理计算的，它有个特点就是不管多大的数据只要给它时间它就能把数据跑完，但是时间可能不是很快所以它叫数据的批处理。

Zookeeper：这是个万金油，安装Hadoop的HA的时候就会用到它，以后的Hbase也会用到它。它一般用来存放一些相互协作的信息，这些信息比较小一般不会超过1M，都是使用它的软件对它有依赖，对于我们个人来讲只需要把它安装正确，让它正常的run起来就可以了。

Mysql：我们学习完大数据的处理了，接下来学习学习小数据的处理工具mysql数据库，因为一会装hive的时候要用到，mysql需要掌握到什么层度那?你能在Linux上把它安装好，运行起来，会配置简单的权限，修改root的密码，创建数据库。这里主要的是学习SQL的语法，因为hive的语法和这个非常相似。

Sqoop：这个是用于把Mysql里的数据导入到Hadoop里的。当然你也可以不用这个，直接把Mysql数据表导出成文件再放到HDFS上也是一样的，当然生产环境中使用要注意Mysql的压力。

Hive：这个东西对于会SQL语法的来说就是神器，它能让你处理大数据变的很简单，不会再费劲的编写MapRece程序。有的人说Pig那?它和Pig差不多掌握一个就可以了。

Oozie：既然学会Hive了，我相信你一定需要这个东西，它可以帮你管理你的Hive或者MapRece、Spark脚本，还能检查你的程序是否执行正确，出错了给你发报警并能帮你重试程序，最重要的是还能帮你配置任务的依赖关系。我相信你一定会喜欢上它的，不然你看着那一大堆脚本，和密密麻麻的crond是不是有种想屎的感觉。

Hbase：这是Hadoop生态体系中的NOSQL数据库，他的数据是按照key和value的形式存储的并且key是唯一的，所以它能用来做数据的排重，它与MYSQL相比能存储的数据量大很多。所以他常被用于大数据处理完成之后的存储目的地。

Kafka：这是个比较好用的队列工具，队列是干吗的?排队买票你知道不?数据多了同样也需要排队处理，这样与你协作的其它同学不会叫起来，你干吗给我这么多的数据(比如好几百G的文件)我怎么处理得过来，你别怪他因为他不是搞大数据的，你可以跟他讲我把数据放在队列里你使用的时候一个个拿，这样他就不在抱怨了马上灰流流的去优化他的程序去了，因为处理不过来就是他的事情。而不是你给的问题。当然我们也可以利用这个工具来做线上实时数据的入库或入HDFS，这时你可以与一个叫Flume的工具配合使用，它是专门用来提供对数据进行简单处理，并写到各种数据接受方(比如Kafka)的。

Spark：它是用来弥补基于MapRece处理数据速度上的缺点，它的特点是把数据装载到内存中计算而不是去读慢的要死进化还特别慢的硬盘。特别适合做迭代运算，所以算法流们特别稀饭它。它是用scala编写的。Java语言或者Scala都可以操作它，因为它们都是用JVM的。

4. 如何自学成为数据分析师

数据分析师的基本工作流程：

1.定义问题

确定需要的问题，以及想得出的结论。需要考虑的选项有很多，要根据所在业务去判断。常见的有：变化趋势、用户画像、影响因素、历史数据等。

2.数据获取

数据获取的方式有很多种：

一是直接从企业数据库调取，需要SQL技能去完成数据提取等的数据库管理工作。

二是获取公开数据，政府、企业、统计局等机构有。

三是通过Python编写网页爬虫。

3.数据预处理

对残缺、重复等异常数据进行清洗。

4.数据分析与建模

这个部分需要了解基本的统计分析方法、数据挖掘算法，了解不同统计方法适用的场景和适合的问题。

5.数据可视化和分析报告撰写

学习一款可视化工具，将数据通过可视化最直观的展现出来。

数据分析入门需要掌握的技能有：

1. SQL（数据库）：

怎么从数据库取数据？怎么取到自己想要的特定的数据？等这些问题就是你首要考虑的问题，而这些问题都是通过SQL解决的，所以SQL是数据分析的最基础的技能。

2. excel

分析师更多的时候是在分析数据，分析数据时需要把数据放到一个文件里，就是excel。

熟练excel常用公式，学会做数据透视表，什么数据画什么图等。

3.Python或者R的基础：

必备项，也是加分项，在数据挖掘方向是必备项，语言相比较工具更加灵活也更加实用。

4.学习一个可视化工具

如果你想往更高层次发展，上面的东西顶多只占20%，剩下的80%则是业务理解能力，目标拆解能力，根据数据需求更多新技能的学习能力。

5. 什么是技术分析基础教程

技术分析是及早识别市场转折点的艺术。精通此道的投资者或交易者对市场变化洞察入微，并能采取相应对策，获取高额回报。这套独出心裁的入门指南解释并演示了一位名列前茅的世界级技术分析师使用的工具，在众人尚未辩明趋势前，他却能审时度势，烛照明鉴。使用本书，诸位将学会，解释期货、股票、市场、期权的走势图，识别重要支撑位和阻力位。掌握动量的基本概念，了解它们对价格的影响。把理论付诸实践，采用符合常识的交易策略。利用价格模式和成交量模式识别突破。分析峰顶与峰谷，识别大势逆转的模式。何时买、何时获得了结、怎样处理假突破，诸位将在这些问题上得到忠告。作者简介每当马丁・普林格讲话的时候、投资者都洗耳恭听。他的《技术分析精解》是本专业公认的标准手册。《大亨》杂志称他是技术分析师的分析师。马丁・普林格在世界各地开过金融专题讲座、还担任两家月刊《跨市场评论》（IntermarketReview）和《环球图表手册》（GlobalChartBook）的编辑。他是一位多产作家，为投资者们制作了大量音像节目和CD－ROM作品。《大亨》、《国际先锋论坛》、《期货杂志》、《股票与商品&技术分析》等主要金融出版物都刊载过有关他的报道。

6. 炒股入门教程

“M头”和“W底”的转换大机密
比如，很多文章指出，“W底”已经筑就，言下之意可以放胆买股票。但是第二天开盘后，却单边震荡回调，而且，收盘后的图形，你不能否认“M头”的可能。也就是说，昨天刚刚做好了“W底”，股可以买股票了，今天就给你“M头”的可能，也就是说要惕卖出了。
假如你等下去，明天重新攻上去创近期新高，从技术上看力度会加大；但是如果明天不涨反跌，恐怕图形就更难看。不过，即便下跌，分析师的心里不会没有支撑位：比如5日10日30日均线都在下面严阵以待，随时准备狙击空头的肆虐；再比如各类指标的强势信号等等。分析师会按照惯例这样告诉你：下面某某位置有支撑，可以密切关注，如果某某位被有效击破，大盘则可能向下考验双底的支撑力度。
按照这样的分析，你不管怎么操作，都有可能出错，甚至出大错；但是，分析师的分析却会一直很正确。所以拿着钱的和拿着牙的感觉差异太大。这就要求，拿着牙的说话要辩证，客观，全面，最好是有充分详实的数据作为分析依据；而拿着钱的投资人，在获取分析资讯的时候，就特别需要有一个再分析的功夫，就是对所有专家分析文章的真实性、可靠性、准确性来一个比较和研究，否则，赔钱的永远是你，说对的永远是他。
事实上，大盘或者个股的走势，永远都在运行着各种形状的“M头”和“W底”，只是看起来模样各不相同而已，比如有的左边右边高低相同，形态比较标准，有的左右高度不同，有的甚至有一定的差距，但依然是“M头”或者“W底”的形态；换一个角度看，所有的历史走势都是“M头”和“W底”的不断演变，走完了“M头”，后面就会有“W底”，或者走完了“W底”，接下来就会有“M头”。
投资人最要紧的，就是要弄清楚这些“M头”和“W底”的转换时间，转换形态，然后适时进退。
但是很遗憾，绝对没有人可以完全弄清楚真些“M头”和“W底”的走势转换机密，也没有人能总是准确无误地在“W底”买进，在“M头”卖出。至高无上的投资大师，对自己的判断准确性要求是大于6成，最好是7-9成。没有真正的投资大师希望自己的判断达到10成，除非从神经病医院砸锁逃出来之后。
既然所求的只是一定的相对比较高的准确度，那么就要首先承认自己不是神仙，有些为了获得公众投资者的信任的咨询机构，在广告中把自己推荐(或者操作)股票的历史纪录扮成每战必胜，实际上就是要告诉公众他是骗子。
因此真正科学的分析，就是要准确率高一些的概率。要做到这个概率比较高，就至少要从两个方面着手：一是自己扎实研究，比如最近的走势，你不仅要看双头的可能性，还要考虑均线的支撑；而更重要的，还有近期主力资金进场的能量分析――我们永远要记得：主力资金是大盘方向的决定者。在此基础上，你还要看这个“M头”和“W底”所处的位置：在高位则前者可能性加大，后者可能性变小，换位则相反；高位高到什么程度，低位低到什么程度，策信息对走势的影响，影响是否已经消化或者部分消化等等，有很多东西值得参考，列举100条绝对不是难事。这就要看自己的工夫了，而这种功夫在看盘时候的表现，必须是快速反应，否则一个一个研究，永远没有操作性可言。
另一个方面，就是寻找一些确实有水平的分析报告，进行研究决策。
只有这样，才能最大概率地准确揭示出“M头”和“W底”转换的机密。按照这样的研究和判断，今天的走势即使可能形成双头，也应该是一个小双头，而如果近期没有重大问题的影响，立即向下破位的可能性就比较小。

7. 股票入门基础知识

虽然说炒股操作大于理论，也有不少人没有什么理论知识都能玩转，但是毕竟是少数人，对于普通人来说，炒股之前还是应该把功课做好一些，不然你就不叫炒股，叫蒙股了。
水晶球财经学习一些炒股基础，这样至少看图炒股也就没问题了。
新生300天图解教
股票入门基本知识(新手必读)
股票入门:如何选择股票
股票k线图基础知识图解
新手怎么看大盘(详细介绍)
股票新手入门教程(推荐)
股票入门知识口决
股市名词术语
入市炒股要做哪些准备

k线 均线 分时图 成交量 趋势线
新生300天K线分析图解教程
中部K线组合形态(图解)
顶部K线组合形态(图解)
底部K线组合形态(图解)
基本的单根K线形态(图解)
基本的K线形态及K线组合(图解)
K线入门基础知识(图解)
K线图怎么看(图解)
K线图入门图解教程(图)

看盘技巧
《看盘绝招图解教程》
如何看大盘(详解)
股票看盘入门与技巧
关注盘中的5种变化(图解)
三种尾盘走势分析(图解)
收盘价的意义及4种形态(图解)
开盘价的意义及3种形态(图解)
内盘外盘委比量比等各部分介绍
筹码分布图基础知识(图解)

如何选股票(详解)
选股的方法步骤(图解)
股票选择的9个误区
11种股票的选择方法
选股票8大原则
《如何选股8招详解》在线阅读
强势股的选择技巧(图解)
牛市如何选强势股(图解)

买入技巧 涨停
买卖股票的基本交易策略(图解)
如何追涨操盘技巧(图解)
买股票基本原则技巧(图解)
买卖点判断实战操作一例(图)
买股票的基本原则策略
股票短线买入时机判断
葛南维均线8大买卖法则(图)
MACD八种买入信号图解(图)

卖出技巧
分时图卖出信号 (图解)
如何卖出股票(图解)
卖出股票的原则与方法
股票卖出基本策略
均线卖出信号图解(图)

8. 什么叫趋势分析主要分析步骤

是指将实际达到的结果，与不同时期财务报表中同类指标的历史数据进行比较 ，从而确定财务状况，经营成果和现金流量的变化趋势和变化规律的一种分析方法。具体的分析方法包括定比和环比两种方法，定比是以某一时期为基数，其他各期均与该期的基数进行比较。而环比是分别以上一时期为基数，下一时期与上一时期的基数进行比较。
一、趋势线 1.所谓趋势线，就是根据股价上下变动的趋势所画出的线路，画趋势线的目的，即依其脉络寻找出恰当的卖点与买点。趋势线可分为上升趋势线，下降趋势线与横向整理趋势线。 2.股价在上升行情时，除了在连接股价波动的低点画一直线外，也应在连接股价波动的高点画一直线，于是股价便在这两条直线内上下波动，这就是上升趋势轨道。股价在下跌行情时，除了连接股价波动的高点画一直线外，也要在股价波动的低点画一条直线，股价在这两条直线内上下波动，这就是下跌趋势轨道。股价在横向整理时可形成横向箱型趋势线。 二、利用趋势轨道决定买卖点 1.无论是在上升或下跌趋势轨道中，当股价触及上方的压力线时，就是卖出的时机；当股价触及下方的支撑线时，就是买进的时机。 2.若在上升趋势轨道中，发现股价突破上方的压力线时，证明新的上升趋势线即将产生。 3.同理，若在下跌趋势中，发现股价突破下方的支撑线时，可能新的下跌趋势轨道即将产生。 4.股价在上升行情时，一波的波峰会比前一波峰高，一波的波谷会比前一波谷高；而在下跌行情时，一波的波峰比前一波峰低，一波的的波谷会比前一波谷低。 5.处于上升趋势轨道中，若发现股价无法触及上方的压力线时，即表示涨势趋弱了。 三、几种趋势线图示 1.上升趋势分析。股价上升趋势线是指股价上升波段中,股价底部之连接线而言,这连接而成之上升趋势线通常相当规则,在上升趋势线的股价波动上画一条与上升趋势线平行的线,这条平行线又称返回线。(如图1所示). (1)买卖点分析： 1．在股价上升趋势中，当股价下跌而触及股价上升趋势线时，便是绝佳的买点(买进信号)，投资者可酌量买进股票。 2．当股价上升而触及股价上升趋势线之返回线时，便是股票绝佳之卖点(卖出信号)投资者可将手中的持股卖掉。 3．上升趋势之依艾略特波段分析认为：上升分三波段,每一波段上升幅度皆同，投资者可以等幅测量，比如第一波由45元上升至60元，拉回50元，第二波由50元上升至65元，拉回55元，第三波可上升至65元左右。 (2)行情分析：一个多头行情主要由原始、次级或短期上升波动所组成，股价一波比一波高，每两个底部低点即可连成一条上升趋势线，一般而言，原始上升趋势线较为平缓，历经时间较长，而次级或短期上升趋势线较为陡峭，其历经时间有时甚短。 (原始上升趋势线:一般多头市场之原始上升趋势线的建立往往历经相当长时间(短则一二年长则四五年)的波动,其上升仰角较小,约为300～450. (短期上升趋势线：指多头市场之各次级滚动，以各波之底部低点为基准点向上延伸，其经历之时间较短，一般为数周或数月这波动所建立，其上升仰角较陡，约为450～600角，有时甚至在600角以上(尤其在多头市场初期最易出现)。 上升趋势线之支撑与压力：在股价上升趋势中，遇到以往密集成交区或其他阻力位，在某个股价价位上，卖压很大，足以阻止股价上升，或进行使止升走势的股价反转下跌，这种情况便是股逢压力。 2.整理趋势分析。矩形整理在股市亦称为箱形整理。股价在某一价格区人上下移动，移动之轨道由两条平行于横轴之平行线所界定，其形状就像几何图形的矩形或长方形，矩形整理亦称为箱形整理。 箱形整理形态通常出现在股价上升走势或下跌走势之初期或中期，若箱形出现在股价上升走势或下跌走势之末期，往往形成反转形态，而非整理形态。 (1)箱形整理形态一般在股价上升波完成或下跌波完成之后出现；(2)成交量配合箱形整理的完成，起初大量而逐步萎缩，一直到股价突破箱形整理为止；(3)股价最迟必须在三至四周内按预定的方向突破。 向上突破初期时箱形向上平移；向下跌破时箱形向下平移，暴涨暴跌的情况除外。 若不符合上述特征，箱形整理有可能失败而成为箱形反转。 3.下降趋势分析 (1)下跌趋势线之形成：一个空头行情是由原始，次级或短期下跌波动所构成，股价一波比一波低，每两个反弹之高点即可连成一条下跌趋势线，一般而言，原始下跌趋势线较为平缓，经历时间较长，而次级或短期下跌趋势线较为陡峭，其经历时间有时甚短。 (原始下跌趋势线：一般空头市场之原始下跌趋势线经历之时间较原始上升趋势线为短，约为(一至二年)，其下降之角度较为平缓约为300～450。 (短期下跌趋势线：指空头市场之次级波动，以各反弹顶点为基准点向下延伸，其经历之时间甚短，一般为数日或数周之波动所建立，其下降之角度约为600左右。 股价下跌,远离股价下降趋势线，负乖离太大，30日乖离率这-15～-30时，股价会反弹。 (2)空头行情时，一般下降波段分为三波段，完成后方有二波段之反弹行情。在多头市场时，下降一般为二波段之行情。 4.中心趋势线。 (1)在股价趋势线中，除上升、下跌、盘整等趋势线外，有一种趋势线，股价经常顺着中心趋势线，呈现上下对称或不对称的波动，这种股价围绕趋势线进行上下波动的走势，最近被冠上流行新名词，就是“X线”。 (2)中心趋势线有三种： A.上升中心线。股价可以是从低档上扬，先将上升中心线当作是压力线，在一次或多次上冲后，终于突破上升中心线而上扬，在股价上扬后，仍有一次或多次拉回的走势，中心线此时由压力线转为支撑线（如图6）。股价也可能是从高档下跌，在下跌过程中，一次或多次因上升中心线的支撑而反弹，但最后跌破中心线，在跌破中心线后，股价向中心线拉回，但反弹至中心线后，而临压力再下跌。 B.下跌中心线,股价围绕下跌中心线在波动,股价走势为：由上而下，中心线由支撑线转为压力线；由下而上，中心线由坟力线为支撑线(如图7)。 C.水平中心线，股价呈现箱形的上下整理，其中心线往往是水平线，股价可能在中心线下波动，然后突过中心线之上，或称在中心线之上波动，然后跌破中心线而下(如图8，图9)。 (3)中心趋势线的使用要领： 1．压力：无论中心趋势线是上升、下跌或水平，当股价由低点向上，常在接触到中心线时，面临压力而下跌。 2．支撑：当股价由高点向下时，在股价接触中心线时，会在临支撑，股价通常在此反弹。 3．中心线的作用。长期高低点所连接的趋势线，影响力最大，其次是中期高低点所绘的趋势线，短期高低点所绘的趋势线力量较小。因此，股价碰到短期趋势线，仅短期回档，若碰到中期趋势线，则回档在10%左右，若碰到长期趋势线，通常会有一次中期回档整理。 4．中心线也会出现扇形效果。有时趋势线划起来可能很多条，因此有时会在某个价位形成多条中心线交叉，这个点便会因力量交叉凝集，而成为一个较大的支撑或压力点，甚至使行情产生反转。

9. 如何用megastat线性分析

你可以网络下商务统计基础这本书，商务统计基础这本书里就有详细的教程
你的采纳是我前进的动力，还有不懂的地方，请继续“追问”。
如你还有别的问题，可另外向我求助；答题不易，互相理解，互相帮助。

10. 数据分析师是怎样的职业，零基础转行要从哪里开始入门，学什么课程

真正的数据分析师的核心课程是机器学习和深度学习，绝对不是Python开发或者Excel制表。

在你学习机器学习和深度学习的过程中，最重要的就是算法模型的训练。参加真正的数据分析师的培训有点类似于报了个奥数班。

所以要学这个需要强有力的理论知识作为支撑，比如说高数、离散、线代、数据结构、算法导论，概率论、统计学。