股票價格的歸一化

A. 正螺旋效應是怎麼產生的

滬深股市場價格混沌特性研究
Study on Chaos process of stock price in Shanghai and Shenzhen A shares Stock market

研究領域： 金融學

1、前言
現代金融經濟學理論假定投資者是理性的，證券價格等於其內在「基本價值」，在這種理想的市場環境中，市場是有效率的。Fama(1970)提出有效市場假說（Efficient Market Hypothesis,EMH），認為在一個有效率的市場中，證券的價格充分反映了所有可獲得的信息。為了檢驗市場是否有效，所採用的方法一般是通過檢驗證券價格收益率序列是否符合隨機遊走模型。關於市場效率的實證研究持續了近半個世紀，但結論仍然是存在極大爭議的。
自然科學的研究成果表明，一個非線性正反饋系統的演化過程可能產生混沌（Chaos）。許多經濟行為模式都是非線性的，例如，投資者對風險與收益的偏好、市場參與者之間的決策博弈、一些經濟合同及金融工具的選擇性條款等。行為金融學派認為，投資者並非完全理性的，而是存在「代表性直覺（Representativeness heuristic）」等認知偏差（Kahneman 與 Tversky，1979），在這些認知偏差影響下，由於羊群效應（Scharfstein 與 Stein，1990）、外推預期等因素，證券市場存在正反饋機制（De Long等，1990b）。因此，證券價格形成過程中，存在非線性正反饋機制， 在這種機制的驅動下，證券價格有可能出現混沌(Chaos)現象，使證券價格的演變表現出復雜性（Complexity）。
混沌概念是E．Lorenz（1963）最早在研究大氣運動時提出的，它是指確定性系統的內在不規則的、永不重復的非周期性運動，這種系統存在內在非線性正反饋動力，其定常狀態是一種性態復雜、紊亂但卻使終有限的運動狀態，且系統的運動路徑受系統初始條件及參數影響很大。混沌表面上看起來像隨機運動，它能通過所有傳統的隨機性檢驗，例如，在許多計算機系統中，類似於Logistic映射這樣的混沌過程演算法就被作為偽隨機數發生器(Pseudo Random Number Generators)產生隨機數序列。混沌貌似隨機性（Randomness），但它不是隨機性。隨機性是隨機過程，是雜訊擾動引起的。而混沌則是由內在確定性的非線性正反饋引起的，因此也被稱為確定性混沌(Deterministic Chaos)。
混沌的概念提出以後，對現代金融經濟學中有效市場理論的沖擊是巨大的。Fama(1970)通過檢驗證券價格收益率序列在統計上能通過隨機行走模型檢驗，從而認為市場是有效的。但是，如果證券價格收益率序列存在確定性混沌過程，它在數學上也完全能夠通過所有隨機性檢驗，但它卻不是隨機運動，而是受內部確定性過程驅動，這樣，傳統金融經濟學有效市場理論的基礎將變得十分脆弱。
本文將簡要回顧混沌理論的研究成果及其在金融市場研究中的應用，並對滬深A股市場價格的混沌特性進行實證研究。本文的研究表明，滬深A股市場存在低維確定性過程。
本文餘下部分安排如下，第二部分是對混沌理論及相關研究成果進行簡要回顧，第三部分對滬深A股市場股票價格混沌特性進行實證研究，第四部分是全文的總結。

2、混沌理論及證券價格的混沌特性
Lorenz（1963）在研究氣象預測時發現，大氣運動這樣的復雜系統存在混沌過程，在一定的條件下，系統運動的軌跡將是圍繞兩個不動點（即奇異吸引子，Strange Attractor）的發散的螺旋，並局限在一個有界的、體積為零的曲面上，進行不斷無規則的振盪。這種不規則的來回振盪，好像飛蛾看到兩個光源，飛向一個光源，當靠近時感到太熱又飛向另一光源，如此不規則地來回飛騰，其飛行的軌跡永不重復。由於它的形狀類似蝴蝶的雙翼，所以也被稱為Lorenz蝴蝶結，如圖1所示。

圖1 Lorenz 蝴蝶結
周期運動或周期性振盪是大量存在的，但上述Lorenz過程是非周期振盪，好像永不結束的過程，然而它既不發散也不消失，一直是不規則的振盪。這種振盪的軌跡在三維相空間上是螺旋線，非常密集的曲線在無窮多層平面上呈分形結構（Fractal Structure，參見Mandelbrot, 1985），無窮長，且對初始條件敏感，初始條件中無足輕重的誤差能夠被系統迅速放大，導致系統的演變路徑大相徑庭。正如Lorenz 所指出的那樣：「巴西一隻蝴蝶的扇動可以引發得克薩斯洲的颶風」，即所謂「蝴蝶效應（Butterfly Effect）」。
混沌是作為確定性過程與隨機性過程的橋梁，確定性過程是完全可預測的，而隨機性過程則是完全不可預測的，而混沌過程則是界於確定性過程與隨機性過程之間。由於混沌過程對初始條件敏感，初始細微的誤差可以成倍地放大，因此，對於長期來看，系統的演變是不可預測的。但是，如果初始條件保持穩定，運用混沌過程對系統的短期演化狀態進行預測，得到的結果將比採用線性隨機過程可能得到的預測結果精確得多，因此，混沌過程對經濟分析與預測的意義是明顯的。這可以解釋為什麼傳統經典金融理論認為奉行圖表分析的技術分析是無意義的，但在金融市場仍然存在為數眾多的投資者採用技術圖表分析，追隨證券價格趨勢（Murphy, 1986），而且這些交易者並不像傳統理論所認為的那樣，在與理性交易者長期博弈過程中，這些交易者將因遭受虧損而被趕出市場。
在行為金融學分析框架下，由於證券市場投資者並非完全是古典意義上的理性經濟人，投資者存在認知偏差，對同一事件不同投資者具有不同的價值判斷，從而表現出不同的決策行為。事實上，按照Kahneman 與 Tversky(1974,1979)提出的前景理論（Prospect Theory），各類投資者的風險偏好並不是固定不變的，存在風險偏好的反轉。投資者的價值函數是根據參考點進行定義的，在贏利時是凹函數，在虧損時是凸函數，即在贏利時是風險厭惡型的，而在虧損時是風險追求型的，而且在虧損區間比在贏利區間更陡峭，人們對虧損比對贏利更加敏感。
此外，在前景理論中，投資者權重函數也是非線性的。在極端低概率及極端高概率處，權重函數都存在跳躍，某一事件如果其發生的概率極端地高，明顯地接近於1，則決策者在編輯階段將明確地將其視為確定性的事件，相反，如果某一事件發生的概率極端地小，接近於零，則決策者在編輯階段可能就將其忽略。因此，人們傾向於對那些極端不可能的事件或者忽略或者高估，而對於一些極端高概率的事件則或者忽視或者誇大。
投資者在決策時存在保守主義(Edwards, W., 1968)，不會輕易對新收到的信息做出反應，除非人們確信得到足夠的信息表明環境已經改變。而且投資者的行為模式一般是當環境的變化已經達到一定閥值以後，才一起對所有的信息集中做出反應。例如，對理性投資者來說，其對證券的需求並不完全與證券價格偏離基礎價值的程度呈線性關系。在投資實務中，證券分析師與投資經理會經常設定一個他們認為安全的價格線, 價格在此安全價格線以上, 他將進一步等待, 而一旦價格低於這一預先判定的價格時, 他們將迅速大量買入。例如，價值投資理論的創立者本傑明•格拉厄姆（Benjamin Graham）特別強調投資的安全邊際（Safety Margin），只有投資者的預期收益達到一定程度以上時，才會建議買入證券。
總之，在證券市場，由於雜訊交易者的存在、從眾心理及羊群效應等產生的群體性非理性行為可能形成正反饋效應，這種正反饋機制會使證券價格的演變產生十分復雜的運動，在一定條件下產生混沌過程，導致證券價格收益率分布呈現分形等復雜結構，表現出高度的復雜性。例如，價格的突然大幅度波動則導致分布產生胖尾現象，而混沌及局部奇異吸引子的出現，導致證券價格膠著於一些價格附近，來回進行無規則的反復振盪，則使證券價格分布出現局部尖峰的特徵。
現實市場中的非線性特性將進一步增加證券價格形成的復雜程度，使市場交易在本質上變成一種不同投資者之間的多輪博弈。由於證券價格的演變可能形成混沌過程，系統的初始狀態對證券價格的演變路徑影響很大，初始狀態細微的差別將導致長期結果的巨大差別，即所謂「失之毫釐，謬以千里」的蝴蝶效應。因此，就長時間跨度來說，證券價格波動的方向及波動的幅度都是難於預測的。股票價格的波動形式既可以呈現出穩定的均衡（即通常所說的「盤整」），也可以是非周期性的振盪，還可以突然出現暴發性上漲（泡沫）或者大幅度下跌（泡沫破滅或者負泡沫）等劇烈波動，局部可能與整體相似，但永不重復且不可逆轉，呈現分形等復雜且不規則的分形結構，表現出高度的復雜性。混沌過程所擁有的「蝴蝶效應」還可以解釋一些偶然性局部事件所引發的全球性金融市場異常波動，例如，上世紀90年代初的「墨西哥金融危機」及90年代後期的東南亞金融危機等。如果證券價格存在混沌特性，則意味著證券價格變化在短期內存在一定的可預測性，而進行長期預測則是極為困難的，從投資策略角度看，這意味著基於證券價格短期變化的交易者可能存在生存的空間。
在實證研究方面，Fama 1970年提出有效市場假說以後，關於資本市場效率的實證研究不勝枚舉，大量經驗研究表明，證券價格收益率分布不是高斯分布，具有尖峰與胖尾的特點，經常產生一些極端數值，而且，按不同的時間間隔建立收益率分布曲線，得到的都具有相似的尖峰與胖尾的特徵，具有時間分形的特徵。Mandelbrot(1972)提出重標極差分析法（Rescaled Range Analysis, R/S分析方法）以後，許多學者運用R/S方法研究了股票市場效率及檢驗股票市場價格是否存在記憶特性。這方面的文獻包括：Peters（1989,1991,1996），Lo（1991）， Pandey，Kohers與Kohers（1998）等。這些經驗研究結果顯示，金融數據具有長期記憶的特徵，即是說，股票當前價格運動受到以前的價格運動的影響。這意味著股票價格存在一定時間區間內的趨勢持續效應，這也在一定程度上印證了股票價格形成過程中存在正反饋效應。
Lorenz(1963)提出混沌理論以後，Grassberger and Procaccia(1983a)提出了關聯維數（Correlation Dimension）的分析方法，用以識別時間序列是否存在低維確定性過程。Scheinkman 與Lebaron（1989）根據美國證券價格研究中心（CRSP）提供的以市值為權重的美國股票收益率指數，對始於1960年代初期的共1226個周收益率數據考察了其關聯維數（Correlation Dimension, CD）, 他們研究得到CD值為6，從而認為美國股票周收益率序列總體表現出了非線性關聯，並認為這種非線性關聯可以解釋金融資產分布的尖峰、胖尾等特性。Brock與Back（1991）再度擴展了Scheinkman 與LeBaron的研究，得到的CD值在7-9之間，因此，也拒絕了股票價格收益率是獨立同分布（Independent Identical Distribution，IID）的假設，傾向於支持股價收益率分布存在低維確定性過程的備擇假設，但他們同時指出，並不能就此認為存在混沌過程。Urrutia等（2002）的研究則提出了針鋒相對觀點，他們研究了1984年至1998年期間美國保險公司股票收益率特性，研究表明保險公司股票收益率存在非線性特徵，並且進一步驗證導致這種非線性的原因就是低維混沌過程。總體而言，這些經驗研究提供了實質性的證據表明，股票、匯率、商品期貨等金融數據序列存在非線性結構，但就是否明確存在低維確定性混沌過程，則結論不完全一致，仍然存在爭論。
對於中國大陸股票市場，戴國強等（1999）對上證綜合指數及深證成份指數進行R/S分析，計算得到Hurst指數分別為0.661和0.643；史永東（2000）所作的R/S分析顯示，上海證券交易所股票市場的Hurst指數為0.687，而深圳證券交易所股票市場的Hurst指數為0.667；曹宏鐸等（2003）計算的深證證券交易所股票市場日收益率、周收益率、月收益率的Hurst指數分別為0.6507，0.7000，0.6906及0.7576。上述經驗研究表明，上海及深圳股票市場並不呈隨機行走的特徵，而具有狀態持續特徵，同時也意味著中國股票市場不是弱式有效的。
事實上，關於中國股票市場是否弱式有效，一致存在極大爭議。正如張亦春與周穎剛（2001）所意識到的那樣，一方面，多數研究人士憑經驗就感覺到中國股票市場投機性強，遠未達到有效狀態。例如，滬深A股市場近年來上市公司財務造假不斷案發 ，莊家操作市場盛行 ，股價嚴重脫離內在價值，上海A股市場在2000年及2001年平均市盈率高達60多倍，被很多學者斥為「賭場」，宣稱這樣一個市場已達到弱式有效狀態，確實讓人們難以接受。另一方面，許多學者所作的實證研究卻表明，證券價格收益率序列十分接近隨機行走模型，因而無法有力地拒絕有效市場假設。經驗感覺與理論研究結論大相徑庭，這其中的原因究竟是什麼？到底是現實錯了？還是學術理論研究有問題？混沌的思想讓我們豁然開朗！因為，如果證券價格存在混沌過程，或者是在混沌過程基礎上迭加一個隨機過程，那麼，市場顯然是無效的，但證券價格收益率序列同樣能通過隨機性檢驗。例如，假設證券價格波動序列是一個Logistic 映射過程，它顯然是一個確定性的混沌過程，但是，這一過程在許多計算機系統是被當作偽隨機數發生器，常規的檢驗方法根本無法識別確定性過程，而是將其視為隨機序列！如果這樣的話，所有通過考察證券價格是否能夠通隨機性檢驗的方法來考察資本市場有效性的研究，其理論基礎及研究結論都將受到質疑。

3、滬深A股市場價格混沌特性實證研究
本文同時採用R/S分析方法及關聯維數（Correlation Dimension,CD）分析方法考察滬深A股市場的非線性特徵。通過R/S分析方法能夠識別出證券價格序列是否存在持續效應，這在某種程度上可以驗證股票市場是否存在正反饋交易機制，正反饋過程是產生混沌的前提。採用關聯維數分析，可以識別股價序列是否存在混沌特徵。我們的數據來源於乾隆公司的錢龍資訊系統。
3．1 R/S分析
Hurst（1951），Mandelbrot(1972)及Lo（1991）等所發展並完善了赫斯特指數(Hurst Index)的分析方法，即重標定域（Re-scaled range，R/S）分析方法。
赫斯特指數(H)可以用來識別時間序列的非隨機性, 還可以識別序列的非周期性循環，因而可以用於識別時間序列的非線性特徵。如果序列的赫斯特指數不等於0.50，則觀測就不是獨立的，每一個觀測值都帶著在它之前發生的所有事件的「記憶」，這種記憶不是短期的，它是長期的，理論上講，它是永遠延續的。雖然遠期事件的影響不如近期事件的影響大，但殘留影響總是存在的。在更寬泛的尺度上，一個表現出赫斯特統計特性的系統是一長串相互聯系的事件的結果。今天發生的事情影響未來，今天我們所處的地位是過去我們所曾處的地位的一個結果。
關於Hurst赫斯特指數的詳細計算參見文獻Mandelbrot(1972)及Lo（1991）等，其計算過程如下：
1．對一個時間序列 ，考察長度為n的時間窗口內的子序列， ，n=1,2,3,……K，計算序列的平均值為：
………………………………（1）
2．計運算元序列偏離均值的差值
………………………………（2）
顯然， 的均值為零，這是重標定或歸一化（標准化）。
3．計算偏離均值的累加值
……………………………（3）
4．計算時子序列的域

………………………………（4）
5．計算采樣子序列的標准差
………………………………（5）
6．計運算元序列重標定域
……………………………（6）
7．求解全序列 的均值
………………………………（7）
8．求解赫斯特指數
與 有冪關系，即：
……………………………（8）
……………………………（9）
在對數坐標上，設水平軸n，縱軸為 ，對 與 進行回歸, 則線性回歸的斜率為赫斯特指數。
我們選取上海證券交易所A股綜合指數從1990年12月19日至2003年12月23日，以及深圳證券交易所A股綜合指數從1992年10月4日至2003年12月23日期間的交易數據，分別計算其日收益率及周收益率序列的赫斯特指數，從而考察滬深A股市場的證券價格是否存在非線性特徵。
採用上述方法,計算得到滬深A股綜合指數的赫斯特指數,如表1所示，在圖2—圖5中，還詳細地列出了R/S分析圖。
表1 滬深A股綜合指數Hurst 指數
上海A股指數 深圳A股指數
日收益率序列H值 0.66(t=336) 0.63(t=306)
周收益率序列H值 0.69(t=84 ) 0.69(t=97 )

圖2 上證A股指數日收益率序列 圖3 上證A股指數周收益率序列

圖4 深圳A股指數日收益率序列 圖5 深圳A股指數周收益率序列
從表中數據我們可以看到，滬深A股市場的赫斯特指數無論以周數據統計還是以日數據統計，結果基本一致，均在0.60以上。H值大於0.50，意味著今天的事件確實影響明天，即是說，今天收到的信息在其被接收到之後繼續被市場計算進去， 這從另一側面印證滬深A股市場價格並不呈隨機行走狀態，收益序列之間存在一定的關聯性，這是一種持續效應（Persistence effect）。如果股價序列在前一個期間是向上運動的，則它在下一個期間將更可能繼續向上運動的趨勢，反之，在前一個期間是向下運動的，則它在下一個期間更可能持續向下運動的趨勢。股價序列的這一特性與經驗感覺是一致的，無論是國內股票市場還是全球其它地區的股票市場，典型的牛市或者熊市，並非短暫的數日或者數月，往往持續數年。而股票市場極其異常的波動，例如，美國股市1929年股災、1987年的暴跌等，均使投資者對市場的信心受到嚴重打擊，市場在其後很長一段時間深受其影響。股價的持續效應在某種程度上印證了股票市場存在的正反饋效應機制。
3．2 關聯維數分析
Grassberger 與Procaccia(1983a,1983b)提出了關聯維數（Correlation Dimension，CD）方法，用以考察時間序列的非線性特性。其基本思想是：如果一個混沌過程是n維確定性過程，則該過程將充滿n維空間，但如將其置於更高維的空間里，該過程將留下許多「洞眼」。一般地，關聯維數度量的是相空間被一組時間序列「填充」的程度，關聯維數越大，填充程度越高，表示時間序列內部結構越復雜，它類似隨機過程時間序列的程度越強。需要指出的是，我們僅對低維混沌過程感興趣。 如果股票價格真的是高復雜性的混沌過程，我們採用有限的樣本數據是永遠也無法識別出其復雜的結構的。此時，它可能與一個良好的「偽隨機數發生器」產生的數據相近，高維混沌過程與隨機過程將沒有實際意義的區別。
設時間序列 由具有 個自由度的非線性動態系統產生，可以構造 維相空間失量：
………………（10）
其中， 被稱為鑲嵌維(Embedding dimension)， 為適當的時滯單位。時間序列過程在相空間的運行軌道是由一系列 維失量構成。如果該系統最終收斂為一組確定性過程，則該系統的運行軌道將收斂於相空間中維數低於 的相空間子集，即吸引子（Attractor），在這些吸引子周圍的運動是混沌過程，具有非周期性且長期運動狀態無法預測。
考慮吸引子附近的失量集合 ，關聯積分（Correlation Integral） 定義為對於任意給定的 ，那些彼此之間的距離小於 的點數對（Pairs of Points） 的數量占所有可能的點數對的比例，即：
……………………（11）
其中， ……………（12）
當 時，對任意小 ，可以預期C遵循指數冪變化規律，即：
，從而關聯冪（Correlation Exponent）可以通過對 與 對回歸計算得到：
……………………………（13）
如果系統存在確定性混沌過程，隨著鑲嵌維數的增加，關聯冪D值達到飽和值以後，將大約保持不變，這一關聯冪指數的飽和值就是吸引子的關聯維數。如果系統是隨機過程，則隨著鑲嵌維數的增加，D值亦將成比例地增加，趨向無窮大 。

圖6 上證A股指數在不同鑲嵌維空間中的關聯積分
圖7 上證A股指數關聯維

我們考察上海證券交易所A股綜合指數從1990年12月19日至2003年12月31日期間日收益率時間序列的關聯維。圖6為上證A股綜合指數在1-8維相空間中關聯積分 隨 值的變化情況。從圖中我們可以看到，在 值處於0.0003-0.005區間時, 與 的變化呈現出指數冪關系。圖7是關聯冪D隨鑲嵌維數m的變化情況，我們可以看到，隨著鑲嵌維數m超過2以後，關聯冪D值不再增加，而是穩定於大約 區間, 即上證A股綜合指數的關聯維數大約為1.4, 因此, 我們可以推測, 上證A股綜合指數存在關聯維數大約為 的低維確定性混沌過程。
相對於Scheinkman 與Lebaron（1989）及Brock與Back（1991）等計算得到的成熟資本市場關聯維數，我們計算得到的上海A股市場的關聯維數明顯更低。如果時間序列是一個低維確定性過程，則意味著時間序列在短期是具有一定的可預測性的。從這個意義上看，我們認為，相對成熟資本市場，上海A股市場指數的隨機性程度更低，而短期可預測性更強，這在某程度上也說明市場效率程度相對更低。另外，由於混沌特性，證券價格在短期具有一定的預測性，但進行長期預測則是極為困難的，從投資策略角度看，意味著基於證券價格短期變化的交易者可能存在獲取利潤的空間。

4、結論
在一個存在非線性正反饋機制的系統中，系統的演化理論上可能出現混沌過程。 證券市場由於雜訊交易者的存在、從眾心理及羊群效應等產生的群體性非理性行為，形成正反饋效應，從而可能導致證券價格的演變呈現出混沌過程，表現出復雜性。
本論文所做的實證研究表明，滬深A股市場指數的赫斯特指數大於0.5，這意味著滬深A股市場價格並不呈隨機行走狀態，收益序列之間存在趨勢持續的特性，這也在一定程度上說明了股價形成過程中存在正反饋效應。對上海A股市場指數的考察進一步表明，上海A股市場指數收益率序列存在低維確定性混沌過程，其關聯維數大約為1.4。 這一數值遠低於成熟資本市場的指標，這表明上海股票市場指數收益率序列隨機性低於成熟資本市場, 市場在短期的可預測性更強一些, 這在某種程度上表明市場的效率程度更低一些。市場存在確定性混沌過程，市場顯然是無效的，但是，由於混沌過程同樣能夠通過隨機行走模型檢驗, 我們認為, 這也許是為什麼關於資本市場效率的傳統實證檢驗結果仍然存在極大爭議的原因。因為常規檢驗方法無法區分混沌過程與隨機過程，因此，本論文認為，所有採用常規方法，通過考察證券價格是否符合隨機遊走模型，從而推斷資本市場有效性的研究，其理論基礎及研究結論均存在嚴重缺陷。由於證券價格運動的混沌特性，這意味著證券價格在短期具有一定的可預測性，但進行長期預測則是極為困難的。證券價格的這種混沌特性，從投資策略角度看，意味著基於證券價格短期變化的交易者可能存在生存的空間。

內 容 提 要
行為金融理論認為，投資者不是完全理性的，而是存在各種認知偏差。由於雜訊交易者的存在、從眾心理及羊群效應等產生的群體性非理性行為，證券市場存在正反饋效應。而且，投資者行為模式都是非線性的，在一個存在非線性正反饋機制的系統中，證券價格的演化可能出現混沌過程。
本論文所做的實證研究表明，滬深A股市場價格並不呈隨機行走狀態，而是存在非線性結構；上海A股市場指數收益率序列存在低維確定性混沌過程，其維數大約為1.4, 這一數值遠低於成熟資本市場的指標，這表明上海股票市場指數收益率序列隨機性低於成熟資本市場。由於市場存在確定性混沌過程，市場雖然是無效的，但同樣能夠通過隨機行走模型檢驗，這也從某一角度說明了，為什麼關於資本市場效率的傳統實證檢驗結果仍然存在極大爭議。由於混沌的存在，證券價格變化在短期具有一定的可預測性，但進行長期預測則是十分困難的。

B. 什麼是量化交易

量化交易復是指以先進的數學模製型替代人為的主觀判斷，利用計算機技術從龐大的歷史數據中海選能帶來超額收益的多種「大概率」事件以制定策略，極大地減少了投資者情緒波動的影響，避免在市場極度狂熱或悲觀的情況下作出非理性的投資決策。

C. 我以1.037的價格買了900隻股票，然後現在查詢我的持倉發現成本價變成5.212了，怎麼回事

是分級B？ 下拆了吧，凈值歸一，份額減少，但是下折按照凈值折算份額，而不是交易價格，所以是會虧損的。

D. 期貨博弈大師怎麼看

是空換，空開，多換，多開，雙開，雙平，多平，空平吧，期貨交易的八種性質，舉個例子吧，這個很難說明白，畫圖的話比較好說。
多換：就是在多方市場上，好比你買入一手開倉，同時有人賣出一手平倉，你們
兩個成交的話，就叫多換，現手2，持倉+0
空換：在空方市場上你賣出一手開倉，同時有人買入一手平倉，你們成交的話就
叫空換，現手是2，持倉+0
多開:例有人買入兩手開倉，同時有人賣出一手平倉，還有人人賣出一手開倉，
這三人成交，就是多開，現手是4，持倉+2
空開：例有人賣出兩手開倉，同時有人買入一手平倉，還有人買入一手開倉，這
三人成交，即是空開，現手是4，持倉+2
多平：例有人賣出兩手平倉，同時有人買入一手開倉，還有人買入一手平倉，這
幾人成交，就叫多平，現手是4，持倉-2
空平：一樣例有人買入兩手平倉，同時有人賣出一手開倉，還有人賣出一手平
倉，三人成交就是空平，現手是4，持倉-2
雙開：就是雙方同時開倉，有人買入一手開倉，同時有人賣出一手開倉，成交就
是雙開，現手2，持倉+2
雙平：就是雙方同時平倉，例有人買入一手平倉，同時有人賣出一手平倉，雙方
成交，即是雙平。現手2，持倉-2
只是舉了一個簡單的例子，在期貨市場上，同一時間內有很多人交易的，也有很多手單子

E. 那位老師能不能解達通達信炒股軟體上各個指標的含義比如FSL,VOL-TDX,MTM,MCST.謝謝了

通達信指標的說明

#ZB_ABI
1.ABI絕對廣量主要用於掃瞄瞬間極端的多頭或空頭力道；
2.ABI值高於320～350以上時，視為市場發生[沖力現象]；
3.越高的數據代表市場轉向的機會越大；
4.隨著上市公司家數遞增，ABI 的極限數據須伴隨修正；
5.本指標可設參考線；
6.本指標將ABI作了歸一化處理以減少誤差。
#ZB_ADL
1.ADL與指數頂背離時，指數向下反轉機會大；
2.ADL與指數底背離時，指數向上反轉機會大；
3.ADL須與ADR 、OBOS等指標配合使用。
#ZB_ADR
1.ADR一般常態分於0.5～1.5的間；
2.ADR>1.5 ，大盤回檔機會大；
3.ADR<0.65，大盤反彈機會大；
4.ADR<0.3或0.5，容易形成底部。
#ZB_ARMS
1.短期∶Arms<0.7 ，超買；Arms>1.25，超賣。※參數為4；
2.中期∶Arms<0.85，超買；Arms>1.1 ，超賣。※參數為21；
3.長期∶Arms<0.09，超買；Arms>1.05，超賣。※參數為55；
4.超買超賣值隨股市特性，應自行調整；
5.本指標可設參考線。只適用於大盤日線。
#ZB_BTI
1.62～65為超買區；
2.35～38為超賣區；
3.當BTI 產生極大的沖力時，為大多頭來臨的前兆；
4.本指標可設參考線。
#ZB_MCL
1.+25～+35的間為超買區，曲線穿越此區後再度反轉跌破+25，為賣出信號；
2.-25～-35的間為超賣區，曲線穿越此區後再度反轉突破-25，為買進信號；
3.以0軸為中心，正值時，為多頭市場；負值時，為空頭市場；
4.本指標可設參考線。
#ZB_MSI
1.指標上升至600～1000後出現背離現象時，為賣出信號；
2.指標下降至-1800～-2200後出現背離現象時，為買進信號；
3.指標由低點連續上升3600點以上時，後將出現大多頭行情；
4.本指標可設參考線。
#ZB_OBOS
1.指標上升至+80時為超買，下降至-80時為超賣；
2.指標若超越+100或-100時，應等待其產生背離才可確認；
3.本指標應搭配ADR 、VR、BRAR等指標使用；
4.本指標可設參考線。
#ZB_STIX
1.常態行情時，STIX一般波動於45～56的間，強勢行情波動於42～58之間；
2.指標上升至56～58間時，短線應賣出；
3.指標下降至42～45間時，短線應買進；
4.本指標可設參考線。
#ZB_TBR
1.指數仍處於下跌狀態，TBR領先止跌轉為橫向行走時，暗示指數即將止跌；
2.指數處於上漲階段，TBR 也呈同步上升時，可放心繼續投資；
3.指數仍處於上漲狀態，TBR 卻呈現下降的傾向時，暗示指數即將到達頂點。只適用於大盤日線。
#ZB_CCI
1.CCI 為正值時，視為多頭市場；為負值時，視為空頭市場；
2.常態行情時，CCI 波動於±100 的間；強勢行情，CCI 會超出±100 ；
3.CCI>100 時，買進，直到CCI<100 時，賣出；
4.CCI<-100 時，放空，直到CCI>-100 時，回補。
#ZB_KDJ
1.指標>80 時，回檔機率大；指標<20時，反彈機率大；
2.K在20左右向上交叉D時，視為買進信號；
3.K在80左右向下交叉D時，視為賣出信號；
4.J>100 時，股價易反轉下跌；J<0 時，股價易反轉上漲；
5.KDJ 波動於50左右的任何信號，其作用不大。
#ZB_MFI
1.MFI>80 為超買，當其回頭向下跌破80 時，為短線賣出時機；
2.MFI<20 為超賣，當其回頭向上突破20 時，為短線買進時機；
3.MFI>80，而產生背離現象時，視為賣出信號；
4.MFI<20，而產生背離現象時，視為買進信號。
#ZB_MTM
MTM線:當日收盤價與N日前的收盤價的差；
MTMMA線:對上面的差值求N日移動平均；
參數：N 間隔天數，也是求移動平均的天數，一般取6
用法：
1.MTM從下向上突破MTMMA，買入信號；
2.MTM從上向下跌破MTMMA，賣出信號；
3.股價續創新高，而MTM未配合上升，意味上漲動力減弱；
4.股價續創新低，而MTM未配合下降，意味下跌動力減弱；
5.股價與MTM在低位同步上升，將有反彈行情；反之，從高位同步下降，將有回落走勢。
#ZB_OSC
1.OSC 以100 為中軸線，OSC>100 為多頭市場；OSC<100 為空頭市場；
2.OSC 向上交叉其平均線時，買進；OSC 向下交叉其平均線時賣出；
3.OSC 在高水平或低水平與股價產生背離時，應注意股價隨時有反轉的可能；
4.OSC 的超買超賣界限值隨個股不同而不同，使用者應自行調整
#ZB_ROC
1.本指標的超買超賣界限值隨個股不同而不同，使用者應自行調整；
2.本指標的超買超賣范圍，一般介於±6.5之間；
3.本指標用法請參考MTM 指標用法；
4.本指標可設參考線。
#ZB_RSI
1.RSI>80 為超買，RSI<20 為超賣；
2.RSI 以50為中界線，大於50視為多頭行情，小於50視為空頭行情；
3.RSI 在80以上形成M頭或頭肩頂形態時，視為向下反轉信號；
4.RSI 在20以下形成W底或頭肩底形態時，視為向上反轉信號；
5.RSI 向上突破其高點連線時，買進；RSI 向下跌破其低點連線時，賣出。
#ZB_MARSI
1.RSI>20 為超買；RSI<20 為超賣；
2.RSI 以50為中界線，大於50視為多頭行情，小於50視為空頭行情；
3.RSI 在80以上形成M頭或頭肩頂形態時，視為向下反轉信號；
4.RSI 在20以下形成W底或頭肩底形態時，視為向上反轉信號；
5.RSI 向上突破其高點連線時，買進；RSI 向下跌破其低點連線時，賣出。
#ZB_SKDJ
1.指標>80 時，回檔機率大；指標<20 時，反彈機率大；
2.K在20左右向上交叉D時，視為買進信號；
3.K在80左右向下交叉D時，視為賣出信號；
4.SKDJ波動於50左右的任何訊號，其作用不大。
#ZB_UDL
1.本指標的超買超賣界限值隨個股不同而不同，使用者應自行調整；
2.使用時，可列出一年以上走勢圖，觀察其常態性分布范圍，然
後用參考線設定其超買超賣范圍。通常UDL 高於某個極限時，
短期股價會下跌；UDL 低於某個極限時，短期股價會上漲；
3.本指標可設參考線。
#ZB_WR
1.WR波動於0 - 100，100置於頂部，0置於底部。
2.本指標以50為中軸線，高於50視為股價轉強；低於50視為股價轉弱
3.本指標高於20後再度向下跌破20，賣出；低於80後再度向上突破80，買進。
4.WR連續觸底3 - 4次，股價向下反轉機率大；連續觸頂3 - 4次，股價向上反轉機率大。
#ZB_BIAS
1.本指標的乖離極限值隨個股不同而不同，使用者可利用參考線設定，固定其乖離范圍；
2.當股價的正乖離擴大到一定極限時，股價會產生向下拉回的作用力；
3.當股價的負乖離擴大到一定極限時，股價會產生向上拉升的作用力；
4.本指標可設參考線。
#ZB_BIAS36
1.本指標的乖離極限值隨個股不同而不同，使用者可利用參考線設定，固定其乖離范圍。※一般6-12BIAS信號的可靠度比3-6BIAS佳；
2.當股價的正乖離擴大到一定極限時，股價會產生向下拉回的作用力；
3.當股價的負乖離擴大到一定極限時，股價會產生向上拉升的作用力；
4.本指標可設參考線。
#ZB_BB
1.布林極限主要的作用在於輔助布林線辨別股價買賣點的真偽；
2.BB>100 ，代表股價穿越布林線上限；BB<0 ，代表股價穿越布林線下限；
3.當BB 一頂比一頂低時，股價向上穿越布林上限所產生的賣出信號，可靠度高；
4.當BB 一底比一底高時，股價向下穿越布林下限所產生的買進信號，可靠度高；
5.布林線、布林極限、極限寬三者構成一組指標群，必須配合使用。
#ZB_WIDTH
1.極限寬主要的作用在於輔助布林線搜索即將發動行情的個股；
2.極限寬的極限數據隨個股不同而不同，使用者應自行觀察後判定；
3.一般情形下，當極限寬下跌至3%左右的水平時，該股隨時有爆發大行情的可能；
4.布林線、布林極限、極限寬三者構成一組指標群，必須合並使用。
#ZB_CYD
1.CYD稱為承接因子指標，其市場含義是以今天的成交量承接所有獲利盤需要的天數;
2.CYD可以反映市場上持股者的信心。 CYD大，說明以較小的成交量就可以維持較多的獲利盤，說明市場上持股者的信心較強；反之CYD小，或者由於成交量大或者由於獲利盤小，都反映了持股者信心不足;
3.可以用CYD來尋找市場大盤信心崩潰的點，當CYD極低時，說明市場投資人信心極低，市場信心崩潰，根據相反原理，此時就是大盤的底了，是中線炒底的機會。
4.可以用CYD尋找市場中個股信心最強的股票。如果在某一天CYD很大，顯示這只股票的持股者信心特強，則這只股票很可能有強庄在其中，下面就有迅猛拉抬的可能。
5.股價在籌碼密集區下方和密集區內,CYD越低越好,說明市場承接市場拋盤能力加大。
6.股價在籌碼密集區的上方，尤其是已經進入拉升階段，CYD越高越好，說明主力的獲利盤沒有散戶承接，主力不能出貨。如CYD突然走低，小心主力派發。
7.零號指數CYD如果低於5是絕對中線底部信號，大盤將在5天內見底反轉。
#ZB_CYE
1. CYE指標又叫趨勢指標,是計算機模擬人的感覺用數值分析的方法對即日的K線進行一次擬合和趨勢的判斷;
2.CYE以 0軸為界，其上為上升趨勢,否則為下降趨勢.
#ZB_CYR
1.CYR是成本均線派生出的指標,是13日成本均線的升降幅度;
2.使用CYR可以對股票的強弱進行排序,找出其中的強勢和弱勢股票。
#ZB_CYF
1.CYF反映了市場公眾的狀態和追漲熱情,又稱市場能量指標;
2.使用CYF判斷股票的活躍程度, CYF小於10的股票是冷門股，CYF在20到40之間是活躍股，CYF大於50是熱門股;
3.CYF與股價頂背離時,易形成反轉.
#ZB_FSL
股價在分水嶺之上為強勢,反之為弱勢.
#ZB_ADTM
1.該指標在+1到-1之間波動;
2.低於-0.5時為很好的買入點,高於+0.5時需注意風險.
#ZB_ATR
演算法：今日振幅、今日最高與昨收差價、今日最低與昨收差價中的最大值，為真實波幅，求真實波幅的N日移動平均
參數：N天數，一般取14
#ZB_DKX
1、當多空線上穿其均線時為買入信號;
2、當多空線下穿其均線時為賣出信號。
#ZB_ASI
1.ASI 又名「實質線」，是一條比收盤價線更能代表真實行情的曲線；
2.ASI 突破前一波高點後，第二天股價必突破前一波高點；
3.ASI 跌破前一波低點後，第二天股價必跌破前一波低點；
4.ASI 一般與股價走勢維持同步波動，並非每一次行情都有領先
作用，因此，使用者必須花費一些時間搜尋產生領先信號的個股。
#ZB_CHO
1.CHO 曲線產生急促的「凸起」時，代錶行情即將向上或向下反轉；
2.股價>90 天平均線，CHO由負轉正時，買進；
3.股價<90 天平均線，CHO由正轉負時，賣出；
4.本指標也可設參考線，自定超買超賣的界限值；
5.本指標須配合OBOS、ENVELOPE同時使用。
#ZB_DMA
1.DMA 向上交叉其平均線時，買進；
2.DMA 向下交叉其平均線時，賣出；
3.DMA 的交叉信號比MACD、TRIX 略快；
4.DMA 與股價產生背離時的交叉信號，可信度較高；
5.DMA、MACD、TRIX 三者構成一組指標群，互相驗證。

F. 求y_lamda = -0.2225 -0.1014 -0.0443 -0.2267 -0.9417 的歸一化向量，另外這個就是權向量吧

發錯版塊 發到股票了。

提問時 一定要小心。祝樓主好運！！

G. execl表中怎麼使用min-max的歸一化方法，如圖，請給出具體公式

以瀏覽量舉例，如果說最低流量量對應0，最高對應1，中間的映射是線性版關系的話，假設這10個數權據在A1:A10，那麼映射關系可以寫作：
=(A1-min($A$1:$A$10))/(max ($A$1:$A$10)-min($A$1:$A$10))