股市螺旋線交叉是什麼

① 誰知道螺旋歷法的應用和螺旋線的畫法，找了好多書都沒有

螺旋歷法的放大
螺旋歷法：用神奇數字（1、2、3、5、8、13、21、34.....）的開方乘以月球圍繞地球一周的天數（即農歷一個月）得到的天數。!

螺旋歷法認為當市場運行到以上天數時就會出現逆轉.

螺旋歷法的基本公式就是螺旋從中心開始按費氏比率1.618向外發展，它的形狀從不改變。螺旋的大小由中心點和起始點決定，每當螺旋旋轉了一周，它就可增長1.618倍.

對數螺旋的基本公式為：Cota=2/π×Inp

民諺有「晴冬至，爛年關」一說。即冬至下雨，正月初一必晴。據氣象資料，數百年來無一例外。可見此諺暗合天道，指明周期的必然性。可惜2002年發生意外，冬至和正月初一都是大晴天。是否是小概率事件，或周期異變。

如是前者，可以不加理會。如是後者，則關系重大。用於股市，表明數年來既定周期不再有效，股市已邁入新周期。若以老方法測市將大錯特錯。

盡信書不如無書

周期有其發展——消亡的模式。每一周期必有一螺旋中心，近中心關鍵點較密集，遠中心關鍵點較鬆散，且中心到兩端的「長度」相近。

韋小寶心想:拋轉真累,別人的玉都藏好了

原來想論述神奇數字的運用，忽然覺得話還是從頭說比較易懂.

時間回溯到公元前5世紀，古希臘的雅典，世紀八大建築奇跡之一 —— 巴特農神廟正在建造。建築師應用了黃金分割率，即費波那基數的比例之一.

時間前進到公元1202年，義大利斜塔之城—比薩，羅奈德·費波那基。費氏和羅馬皇帝論道時，提出著名的「兔子繁衍問題」。

時間前進到公元1844年，加·拉姆研究歐幾里德學說，提出Fn與演算法的關系——費波那基數列開始應用。

時間前進到公元1905年，笛莫傅提出Fn=1/5｛〔（1+√5）/2〕』-〔（1-√5）/2〕』｝其中 』表示 n 。等式由比奈證明，因此稱為比奈公式。——費波那基數比例之一的通項公式見諸於世。

此時出現了費波那基數列的升華，魯卡斯在狂飆突進後，正式提出「費波那基數列」這一稱呼。偉大的魯卡斯——魯卡斯在數學界不算偉大，但在證券市場技術流派眼裡他將十分偉大，這是我的預言。此言將在數年後變成現實。因為魯卡斯在對費氏數研究的同時，發表了輝煌的「魯卡斯數列」。（到此才書接上文，累的夠嗆。）

這里要解釋一下什麼是費氏數列。費氏數列如下1、1、2、3、5、8、13、21……即任意相鄰兩項的和等於下一項。再解釋一下什麼是魯卡斯數列。魯卡斯數列如下1、3、4、7、11、18、29、47……他有費氏數列的一般特徵，但又不同。
!|:O9u6s2x'ZVr 為什麼說「魯卡斯數列是輝煌的」，因為有了魯氏數列、費氏數列兩組「神奇數列」的相互驗證，使一些分析可以去「孤」從「眾」，預測中的誤差點將大副減少。預測成功率提高實不能以道里計算。

費氏數比率：∮=1.618 ， ∮*∮=2.618 ， 1/∮=0.618……

將上述比率用於空間點位（用於Y軸），聯系形態即為波浪理論.

將上述比率用於時間（用於X軸），即為螺旋歷法.

怎麼將魯卡斯數用於股市？我們向嘉路蘭學習。遵循他的思路或許有所收獲.

嘉路蘭於87股災後發現了著名的螺旋歷法。他的靈感可能來源於波浪理論，艾略特將形態與費氏比率∮結合。嘉路蘭於是想到了將∮用於時間.

他遇到第一個問題——費氏數在第11項後變化越來越大，由於相鄰兩數差值太大，使許多關鍵點被忽略。嘉路蘭用平方根把變化速度減緩.

他遇到第二個問題——費氏方根變化又太小了。前10項幾乎粘在一起，用於測算意義不大。嘉路蘭想到在平方根前乘一個常數.

他遇到第三個問題——用哪個數值作這個常數。在大量的比較、計算、總結後。嘉路蘭幸運的發現了太陰月周期與股市的關系。這只能解釋為幸運之神的眷顧，他成功了.

這個神奇的公式Bn=E√Fn。即周期日數是月球從圓到缺一循環時與費氏方根的乘積。E是太陰月周期29.5306天。用這么多筆墨解釋嘉路蘭的思維，是為將魯卡斯數依樣畫葫蘆，仿製另一個螺旋歷法——魯卡斯螺旋歷.

這幾個磚頭是韋小寶從鰲拜抄家得來,有些年頭了.

② 正螺旋效應是怎麼產生的

滬深A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。

③ 股市上的指標,螺旋線是什麼意思

這是數學上的一種特殊曲線。
數學中有各式各樣富含詩意的曲線，螺旋線就是其中比較特別的一類。螺旋線這個名詞來源於希臘文，它的原意是"旋卷"或"纏卷"。例如，平面螺旋便是以一個固定點開始向外逐圈旋繞而形成的曲線。

④ 什麼是CDR形式

分類: 教育/學業/考試 >> 遠程教育
解析:

這個英文簡稱主要有兩個含義，在不同的行業代表不同的意思

一、計算機領域：

*.cdr是CorelDraw軟體使用中的一種圖形文件保存格式。

CDR文件屬於CorelDraw專用文件存儲格式，必須使用匹配軟體才能打開瀏覽，你需要安裝CoreDraw相關軟體後才能打開該圖形文件。

順便給你解釋下，那麼什麼是CorelDraw呢？

CorelDraw 是一個繪圖與排版的軟體，它廣泛地應用於商標設計、標志製作、模型繪制、插圖描畫、排版及分色輸出等諸多領域。作為一個強大的繪圖軟體，它被喜愛的程度可用下面的事實說明：用作商業設計和美術設計的PC機幾乎都安裝了CorelDraw！

CorelDraw是基於矢量圖的軟體色。它的功能可大致分為兩大類：繪圖與排版。

CorelDraw界面設計有好，操作精微細致。它提供了設計者一整套的繪圖工具包括圓形、矩形、多邊形、方格、螺旋線，並配合塑形工具，對各種基本以作出更多的變化，如圓角矩形，弧、扇形、星形等。同時也提供了特殊筆刷如壓力筆、書寫筆、噴灑器等，以便充分地利用電腦處理信息量大，隨機控制能力高的特點。

為便於設計需要，CorelDraw提供了一整套的圖形精確定位和變形控制方案。這給商標、標志等需要准確尺寸的設計帶來極大的便利。

顏色是美術設計的視覺傳達重點；CorelDraw的實色填充提供了各種模式的調色方案以及專色的應用、漸變、點陣圖、底紋的填充，顏色變化與操作方式更是別的軟體都不能及的。而CorelDraw的顏色匹管理方案讓顯示、列印和印刷達到顏色的一致。

CorelDraw的文字處理與圖象的輸出輸入構成了排版功能。文字處理是迄今所有軟體最為優秀的。其支持了大部分圖象格式的輸入與輸出。幾乎與其他軟體可暢行無阻地交換共享文件。所以大部分與用PC機作美術設計的都直接在CorelDraw中排版，然後分色輸出。

CorelDraw9.0較以前的版本增加了噴灑器等工具，更主要的是加強了pdf網路格式支持及顏色管理。對很多的功能作了深化處理使其更能適應現代美術設計的需要。

二、股市證券領域

CDR 的定義

預托憑證（DepositaryReceipt，簡稱DR）是指某國上市公司為使其公司發行的股票能在外國證券市場流通，將一定數額的股票委託某銀行保管，再由該銀行通知外國的預托銀行在當地推出代表該股份的預托憑證，然後該預托憑證就可在外國的證券市場掛牌進行交易。

CDR 是中國預托憑證的英文簡稱（China Depository Share，CDR），發行中國預托憑證（CDR）的想法源於美國的預托憑證（ADR），中國預托證券是指上市公司將部分已發行上市的外資股票託管在當地託管銀行，由中國存托銀行發行預托證券在內地證券市場上市交易。美國預托憑證（ADR）雛形是美國金融界巨子J·P·摩根在1927 年為了方便美國投資者持有英國百貨業塞爾弗里奇公司的股票，減低股息發放時來回郵寄股票以進行股東確認領取股息所帶來的成本而設計的。其基本思路是：美國投資者持有的英國公司股票由一家美國銀行的英國代理行進行保管，無需離開英國，美國銀行則向美國投資者發放一種表示其對英國股票所有權的憑證，即預托憑證,並且由美國銀行代表美國投資者向英國公司收取股息及進行配股等事宜。迄今為止，盡管也出現了全球預托證券（GDR）、國際預托證券（IDR）等不同的DR 品種，由於它們均是以美元為結算貨幣，因而基本上都是ADR 的翻版，因而，全球預托證券主要是以ADR 形式存在。目前，全世界共有來自60多個國家和地區的公司，發行了超過1600 個預托證券。

⑤ 股票里的螺旋歷法是怎麼回事

螺旋歷法，一個頗為新穎的技術分析測試工具。歷法的始創者美國人嘉路蘭（Cheistopher Carolan）先生於1992年10月始將其理論公諸於世。與波浪理論不同之處，在於歷法本身只重於市場價格轉向的時間預測，至於量度未來價位方面則欠奉。盡管如此，自螺旋歷法面世以來，其驚人的預測轉向時間的准確性，比當今任何的時間投影技術，包括波浪理論在內，均有過之而無不及。」

螺旋歷法產生的背景，資料雲：「於1981――1987年期間，嘉路蘭先生只是一個籍籍無名的股票，期貨交易商。一1987年10月19日的股災當日，嘉路蘭目睹一個世紀以來最瘋狂的交易日。股災後，遍地屍骸，數以百億美元的市場資產付諸流水。取而代之的，是驚怕，灰暗，絕望。痛定思痛，嘉路蘭先生懷著堅毅不屈的精神，決心要找當年股災的圖表玄機。」經過兩年努力，嘉路蘭創建了螺旋歷法。

股市預測方法，有三種比較著名的方法。第一，K線，K線是日本古代米市場，米價每日漲跌所使用的圖示方法。經人引用到股票市場，作為預測手段，效果很好。第二，艾略特波浪理論，該理論的三要素是波形（Patterm）,比率分析(ratio)，時間(time)。波形包含了一些理論上的重要信息；比率分析通常是用來決定在兩個不同波浪間關連性的百分比率；時間是必然存在的，時間的長短，不會改變波浪的基本形態，市場仍會依照基本形態發展，但波浪可以按時間尺度拉長和縮短，這猶如「橡皮模上的幾何學」似的。第三，即是螺旋歷法。

圓周運動之對稱性

宇宙有四大規律，股市服從這四大規律。是全息的。股市因之亦「懸命於天」。

股市循環周期「懸命於天」——追隨太陽黑子周期，已有大量資料佐證，不贅述。無獨有偶，筆者脫稿於2000年冬，出版於2001年的拙作《股市預測》之201頁有這么一段話：「2006年——預測為第IV大浪底的周期。特別要關注的月份是由1988年4月起算之和219月和226月。因為18.25年=219月，18.84年=226月。（×e=219；×n=226）。這是老子費氏數第9項螺旋的朔望市場時間長度（219）和節氣（226）市場時間長度。219月是360月的0.608，226是360月的0.627倍。平均為0.6175倍，接近黃金比率0.618，這是股市生命軌跡——螺旋線展開的收縮比率，是30年循環中的一個重要底部周期。」

219/2=109.5，我們知道，1998年4月之後的第110月是1997年5月520點頂部（滬1510點）深成指則在此月造出6103點歷史高位之後調整至今。作為循環周期，這是一個極為重要的月份。事實上，110月是《螺旋歷法》的太陽周期：n=110。是兩個「天地之數」。倍數生成是《周易》的宇宙生命模式；對稱性分布則是服從宇宙四大規律之一的對偶律。我們將1997年5月作為移動太極則後推出109月是1988年4月；前推109月是2006年6月。即總運行219月。是一組109-太極-109時間對稱！（計數時棄用太極）

226月是2007年1月。錄得第114月是1997年9月309點底部。以此為太極，則後推113月是1988年4月；前推113月是2007年1月。又是一組時間對稱：113—太極—113。

進行上述計算時並沒有考慮太陽黑子周期，然而，結果卻是吻合的。與太陽黑子最少周期相比較，前者提前了半年，後者基本一致。都在《螺旋歷法》太陰太陽的時間窗內。

從另一個角度看，1994年7月94點至2001年6月666點，上升83個月，（頭包尾84月，×e=84），假若調整67個月（×e=66、×n=68），即至2007年1月，則跌與升的時間比率為0.807，接近股市常見的老子費氏數比率0.809。種種分析指出，進入2006年6月之後，至2007年1月，是一個重要底部周期的時間之窗。最為敏感的當是2006年6月、12月。或者2007年1月。屆時將產生一個極為重要的底部。這是「天人相應」的必然。

⑥ 股票階段性頂部的判斷技巧是什麼具體內容是什麼

很多人在購買股票的過程中經常會出現階段性頂部的判斷，這樣就會導致他們對市場的行情有一個大概的了解，但是大部分的情況下有很多人是不會進行判斷的這樣就會讓他們在購買的過程中受到很多的虧損。今天就來教教大家如何判斷股價是否到了階段性頂部的技巧，掌握了這樣的技巧，在購買股票的時候就能夠了解很多的形式。

其實最好判斷的就是成交量，我們在看成交量的過程中可以看到股票在拉升後期的時候出現均價向下的交叉跡象，我們就能夠發現它已經到達了短期的階段性頂部。這個時候我們就可以參考一下指標，如果它的指標率是比較大的，我們就可以確定它是到達了階段性頂部。