股市螺旋线交叉是什么

① 谁知道螺旋历法的应用和螺旋线的画法，找了好多书都没有

螺旋历法的放大
螺旋历法：用神奇数字（1、2、3、5、8、13、21、34.....）的开方乘以月球围绕地球一周的天数（即农历一个月）得到的天数。!

螺旋历法认为当市场运行到以上天数时就会出现逆转.

螺旋历法的基本公式就是螺旋从中心开始按费氏比率1.618向外发展，它的形状从不改变。螺旋的大小由中心点和起始点决定，每当螺旋旋转了一周，它就可增长1.618倍.

对数螺旋的基本公式为：Cota=2/π×Inp

民谚有“晴冬至，烂年关”一说。即冬至下雨，正月初一必晴。据气象资料，数百年来无一例外。可见此谚暗合天道，指明周期的必然性。可惜2002年发生意外，冬至和正月初一都是大晴天。是否是小概率事件，或周期异变。

如是前者，可以不加理会。如是后者，则关系重大。用于股市，表明数年来既定周期不再有效，股市已迈入新周期。若以老方法测市将大错特错。

尽信书不如无书

周期有其发展——消亡的模式。每一周期必有一螺旋中心，近中心关键点较密集，远中心关键点较松散，且中心到两端的“长度”相近。

韦小宝心想:抛转真累,别人的玉都藏好了

原来想论述神奇数字的运用，忽然觉得话还是从头说比较易懂.

时间回溯到公元前5世纪，古希腊的雅典，世纪八大建筑奇迹之一 —— 巴特农神庙正在建造。建筑师应用了黄金分割率，即费波那基数的比例之一.

时间前进到公元1202年，意大利斜塔之城—比萨，罗奈德·费波那基。费氏和罗马皇帝论道时，提出著名的“兔子繁衍问题”。

时间前进到公元1844年，加·拉姆研究欧几里德学说，提出Fn与算法的关系——费波那基数列开始应用。

时间前进到公元1905年，笛莫傅提出Fn=1/5｛〔（1+√5）/2〕’-〔（1-√5）/2〕’｝其中 ’表示 n 。等式由比奈证明，因此称为比奈公式。——费波那基数比例之一的通项公式见诸于世。

此时出现了费波那基数列的升华，鲁卡斯在狂飙突进后，正式提出“费波那基数列”这一称呼。伟大的鲁卡斯——鲁卡斯在数学界不算伟大，但在证券市场技术流派眼里他将十分伟大，这是我的预言。此言将在数年后变成现实。因为鲁卡斯在对费氏数研究的同时，发表了辉煌的“鲁卡斯数列”。（到此才书接上文，累的够呛。）

这里要解释一下什么是费氏数列。费氏数列如下1、1、2、3、5、8、13、21……即任意相邻两项的和等于下一项。再解释一下什么是鲁卡斯数列。鲁卡斯数列如下1、3、4、7、11、18、29、47……他有费氏数列的一般特征，但又不同。
!|:O9u6s2x'ZVr 为什么说“鲁卡斯数列是辉煌的”，因为有了鲁氏数列、费氏数列两组“神奇数列”的相互验证，使一些分析可以去“孤”从“众”，预测中的误差点将大副减少。预测成功率提高实不能以道里计算。

费氏数比率：∮=1.618 ， ∮*∮=2.618 ， 1/∮=0.618……

将上述比率用于空间点位（用于Y轴），联系形态即为波浪理论.

将上述比率用于时间（用于X轴），即为螺旋历法.

怎么将鲁卡斯数用于股市？我们向嘉路兰学习。遵循他的思路或许有所收获.

嘉路兰于87股灾后发现了著名的螺旋历法。他的灵感可能来源于波浪理论，艾略特将形态与费氏比率∮结合。嘉路兰于是想到了将∮用于时间.

他遇到第一个问题——费氏数在第11项后变化越来越大，由于相邻两数差值太大，使许多关键点被忽略。嘉路兰用平方根把变化速度减缓.

他遇到第二个问题——费氏方根变化又太小了。前10项几乎粘在一起，用于测算意义不大。嘉路兰想到在平方根前乘一个常数.

他遇到第三个问题——用哪个数值作这个常数。在大量的比较、计算、总结后。嘉路兰幸运的发现了太阴月周期与股市的关系。这只能解释为幸运之神的眷顾，他成功了.

这个神奇的公式Bn=E√Fn。即周期日数是月球从圆到缺一循环时与费氏方根的乘积。E是太阴月周期29.5306天。用这么多笔墨解释嘉路兰的思维，是为将鲁卡斯数依样画葫芦，仿制另一个螺旋历法——鲁卡斯螺旋历.

这几个砖头是韦小宝从鳌拜抄家得来,有些年头了.

② 正螺旋效应是怎么产生的

沪深A股市场价格混沌特性研究
Study on Chaos process of stock price in Shanghai and Shenzhen A shares Stock market

研究领域： 金融学

1、前言
现代金融经济学理论假定投资者是理性的，证券价格等于其内在“基本价值”，在这种理想的市场环境中，市场是有效率的。Fama(1970)提出有效市场假说（Efficient Market Hypothesis,EMH），认为在一个有效率的市场中，证券的价格充分反映了所有可获得的信息。为了检验市场是否有效，所采用的方法一般是通过检验证券价格收益率序列是否符合随机游走模型。关于市场效率的实证研究持续了近半个世纪，但结论仍然是存在极大争议的。
自然科学的研究成果表明，一个非线性正反馈系统的演化过程可能产生混沌（Chaos）。许多经济行为模式都是非线性的，例如，投资者对风险与收益的偏好、市场参与者之间的决策博弈、一些经济合同及金融工具的选择性条款等。行为金融学派认为，投资者并非完全理性的，而是存在“代表性直觉（Representativeness heuristic）”等认知偏差（Kahneman 与 Tversky，1979），在这些认知偏差影响下，由于羊群效应（Scharfstein 与 Stein，1990）、外推预期等因素，证券市场存在正反馈机制（De Long等，1990b）。因此，证券价格形成过程中，存在非线性正反馈机制， 在这种机制的驱动下，证券价格有可能出现混沌(Chaos)现象，使证券价格的演变表现出复杂性（Complexity）。
混沌概念是E．Lorenz（1963）最早在研究大气运动时提出的，它是指确定性系统的内在不规则的、永不重复的非周期性运动，这种系统存在内在非线性正反馈动力，其定常状态是一种性态复杂、紊乱但却使终有限的运动状态，且系统的运动路径受系统初始条件及参数影响很大。混沌表面上看起来像随机运动，它能通过所有传统的随机性检验，例如，在许多计算机系统中，类似于Logistic映射这样的混沌过程算法就被作为伪随机数发生器(Pseudo Random Number Generators)产生随机数序列。混沌貌似随机性（Randomness），但它不是随机性。随机性是随机过程，是噪声扰动引起的。而混沌则是由内在确定性的非线性正反馈引起的，因此也被称为确定性混沌(Deterministic Chaos)。
混沌的概念提出以后，对现代金融经济学中有效市场理论的冲击是巨大的。Fama(1970)通过检验证券价格收益率序列在统计上能通过随机行走模型检验，从而认为市场是有效的。但是，如果证券价格收益率序列存在确定性混沌过程，它在数学上也完全能够通过所有随机性检验，但它却不是随机运动，而是受内部确定性过程驱动，这样，传统金融经济学有效市场理论的基础将变得十分脆弱。
本文将简要回顾混沌理论的研究成果及其在金融市场研究中的应用，并对沪深A股市场价格的混沌特性进行实证研究。本文的研究表明，沪深A股市场存在低维确定性过程。
本文余下部分安排如下，第二部分是对混沌理论及相关研究成果进行简要回顾，第三部分对沪深A股市场股票价格混沌特性进行实证研究，第四部分是全文的总结。

2、混沌理论及证券价格的混沌特性
Lorenz（1963）在研究气象预测时发现，大气运动这样的复杂系统存在混沌过程，在一定的条件下，系统运动的轨迹将是围绕两个不动点（即奇异吸引子，Strange Attractor）的发散的螺旋，并局限在一个有界的、体积为零的曲面上，进行不断无规则的振荡。这种不规则的来回振荡，好像飞蛾看到两个光源，飞向一个光源，当靠近时感到太热又飞向另一光源，如此不规则地来回飞腾，其飞行的轨迹永不重复。由于它的形状类似蝴蝶的双翼，所以也被称为Lorenz蝴蝶结，如图1所示。

图1 Lorenz 蝴蝶结
周期运动或周期性振荡是大量存在的，但上述Lorenz过程是非周期振荡，好像永不结束的过程，然而它既不发散也不消失，一直是不规则的振荡。这种振荡的轨迹在三维相空间上是螺旋线，非常密集的曲线在无穷多层平面上呈分形结构（Fractal Structure，参见Mandelbrot, 1985），无穷长，且对初始条件敏感，初始条件中无足轻重的误差能够被系统迅速放大，导致系统的演变路径大相径庭。正如Lorenz 所指出的那样：“巴西一只蝴蝶的扇动可以引发得克萨斯洲的飓风”，即所谓“蝴蝶效应（Butterfly Effect）”。
混沌是作为确定性过程与随机性过程的桥梁，确定性过程是完全可预测的，而随机性过程则是完全不可预测的，而混沌过程则是界于确定性过程与随机性过程之间。由于混沌过程对初始条件敏感，初始细微的误差可以成倍地放大，因此，对于长期来看，系统的演变是不可预测的。但是，如果初始条件保持稳定，运用混沌过程对系统的短期演化状态进行预测，得到的结果将比采用线性随机过程可能得到的预测结果精确得多，因此，混沌过程对经济分析与预测的意义是明显的。这可以解释为什么传统经典金融理论认为奉行图表分析的技术分析是无意义的，但在金融市场仍然存在为数众多的投资者采用技术图表分析，追随证券价格趋势（Murphy, 1986），而且这些交易者并不像传统理论所认为的那样，在与理性交易者长期博弈过程中，这些交易者将因遭受亏损而被赶出市场。
在行为金融学分析框架下，由于证券市场投资者并非完全是古典意义上的理性经济人，投资者存在认知偏差，对同一事件不同投资者具有不同的价值判断，从而表现出不同的决策行为。事实上，按照Kahneman 与 Tversky(1974,1979)提出的前景理论（Prospect Theory），各类投资者的风险偏好并不是固定不变的，存在风险偏好的反转。投资者的价值函数是根据参考点进行定义的，在赢利时是凹函数，在亏损时是凸函数，即在赢利时是风险厌恶型的，而在亏损时是风险追求型的，而且在亏损区间比在赢利区间更陡峭，人们对亏损比对赢利更加敏感。
此外，在前景理论中，投资者权重函数也是非线性的。在极端低概率及极端高概率处，权重函数都存在跳跃，某一事件如果其发生的概率极端地高，明显地接近于1，则决策者在编辑阶段将明确地将其视为确定性的事件，相反，如果某一事件发生的概率极端地小，接近于零，则决策者在编辑阶段可能就将其忽略。因此，人们倾向于对那些极端不可能的事件或者忽略或者高估，而对于一些极端高概率的事件则或者忽视或者夸大。
投资者在决策时存在保守主义(Edwards, W., 1968)，不会轻易对新收到的信息做出反应，除非人们确信得到足够的信息表明环境已经改变。而且投资者的行为模式一般是当环境的变化已经达到一定阀值以后，才一起对所有的信息集中做出反应。例如，对理性投资者来说，其对证券的需求并不完全与证券价格偏离基础价值的程度呈线性关系。在投资实务中，证券分析师与投资经理会经常设定一个他们认为安全的价格线, 价格在此安全价格线以上, 他将进一步等待, 而一旦价格低于这一预先判定的价格时, 他们将迅速大量买入。例如，价值投资理论的创立者本杰明•格拉厄姆（Benjamin Graham）特别强调投资的安全边际（Safety Margin），只有投资者的预期收益达到一定程度以上时，才会建议买入证券。
总之，在证券市场，由于噪声交易者的存在、从众心理及羊群效应等产生的群体性非理性行为可能形成正反馈效应，这种正反馈机制会使证券价格的演变产生十分复杂的运动，在一定条件下产生混沌过程，导致证券价格收益率分布呈现分形等复杂结构，表现出高度的复杂性。例如，价格的突然大幅度波动则导致分布产生胖尾现象，而混沌及局部奇异吸引子的出现，导致证券价格胶着于一些价格附近，来回进行无规则的反复振荡，则使证券价格分布出现局部尖峰的特征。
现实市场中的非线性特性将进一步增加证券价格形成的复杂程度，使市场交易在本质上变成一种不同投资者之间的多轮博弈。由于证券价格的演变可能形成混沌过程，系统的初始状态对证券价格的演变路径影响很大，初始状态细微的差别将导致长期结果的巨大差别，即所谓“失之毫厘，谬以千里”的蝴蝶效应。因此，就长时间跨度来说，证券价格波动的方向及波动的幅度都是难于预测的。股票价格的波动形式既可以呈现出稳定的均衡（即通常所说的“盘整”），也可以是非周期性的振荡，还可以突然出现暴发性上涨（泡沫）或者大幅度下跌（泡沫破灭或者负泡沫）等剧烈波动，局部可能与整体相似，但永不重复且不可逆转，呈现分形等复杂且不规则的分形结构，表现出高度的复杂性。混沌过程所拥有的“蝴蝶效应”还可以解释一些偶然性局部事件所引发的全球性金融市场异常波动，例如，上世纪90年代初的“墨西哥金融危机”及90年代后期的东南亚金融危机等。如果证券价格存在混沌特性，则意味着证券价格变化在短期内存在一定的可预测性，而进行长期预测则是极为困难的，从投资策略角度看，这意味着基于证券价格短期变化的交易者可能存在生存的空间。
在实证研究方面，Fama 1970年提出有效市场假说以后，关于资本市场效率的实证研究不胜枚举，大量经验研究表明，证券价格收益率分布不是高斯分布，具有尖峰与胖尾的特点，经常产生一些极端数值，而且，按不同的时间间隔建立收益率分布曲线，得到的都具有相似的尖峰与胖尾的特征，具有时间分形的特征。Mandelbrot(1972)提出重标极差分析法（Rescaled Range Analysis, R/S分析方法）以后，许多学者运用R/S方法研究了股票市场效率及检验股票市场价格是否存在记忆特性。这方面的文献包括：Peters（1989,1991,1996），Lo（1991）， Pandey，Kohers与Kohers（1998）等。这些经验研究结果显示，金融数据具有长期记忆的特征，即是说，股票当前价格运动受到以前的价格运动的影响。这意味着股票价格存在一定时间区间内的趋势持续效应，这也在一定程度上印证了股票价格形成过程中存在正反馈效应。
Lorenz(1963)提出混沌理论以后，Grassberger and Procaccia(1983a)提出了关联维数（Correlation Dimension）的分析方法，用以识别时间序列是否存在低维确定性过程。Scheinkman 与Lebaron（1989）根据美国证券价格研究中心（CRSP）提供的以市值为权重的美国股票收益率指数，对始于1960年代初期的共1226个周收益率数据考察了其关联维数（Correlation Dimension, CD）, 他们研究得到CD值为6，从而认为美国股票周收益率序列总体表现出了非线性关联，并认为这种非线性关联可以解释金融资产分布的尖峰、胖尾等特性。Brock与Back（1991）再度扩展了Scheinkman 与LeBaron的研究，得到的CD值在7-9之间，因此，也拒绝了股票价格收益率是独立同分布（Independent Identical Distribution，IID）的假设，倾向于支持股价收益率分布存在低维确定性过程的备择假设，但他们同时指出，并不能就此认为存在混沌过程。Urrutia等（2002）的研究则提出了针锋相对观点，他们研究了1984年至1998年期间美国保险公司股票收益率特性，研究表明保险公司股票收益率存在非线性特征，并且进一步验证导致这种非线性的原因就是低维混沌过程。总体而言，这些经验研究提供了实质性的证据表明，股票、汇率、商品期货等金融数据序列存在非线性结构，但就是否明确存在低维确定性混沌过程，则结论不完全一致，仍然存在争论。
对于中国大陆股票市场，戴国强等（1999）对上证综合指数及深证成份指数进行R/S分析，计算得到Hurst指数分别为0.661和0.643；史永东（2000）所作的R/S分析显示，上海证券交易所股票市场的Hurst指数为0.687，而深圳证券交易所股票市场的Hurst指数为0.667；曹宏铎等（2003）计算的深证证券交易所股票市场日收益率、周收益率、月收益率的Hurst指数分别为0.6507，0.7000，0.6906及0.7576。上述经验研究表明，上海及深圳股票市场并不呈随机行走的特征，而具有状态持续特征，同时也意味着中国股票市场不是弱式有效的。
事实上，关于中国股票市场是否弱式有效，一致存在极大争议。正如张亦春与周颖刚（2001）所意识到的那样，一方面，多数研究人士凭经验就感觉到中国股票市场投机性强，远未达到有效状态。例如，沪深A股市场近年来上市公司财务造假不断案发 ，庄家操作市场盛行 ，股价严重脱离内在价值，上海A股市场在2000年及2001年平均市盈率高达60多倍，被很多学者斥为“赌场”，宣称这样一个市场已达到弱式有效状态，确实让人们难以接受。另一方面，许多学者所作的实证研究却表明，证券价格收益率序列十分接近随机行走模型，因而无法有力地拒绝有效市场假设。经验感觉与理论研究结论大相径庭，这其中的原因究竟是什么？到底是现实错了？还是学术理论研究有问题？混沌的思想让我们豁然开朗！因为，如果证券价格存在混沌过程，或者是在混沌过程基础上迭加一个随机过程，那么，市场显然是无效的，但证券价格收益率序列同样能通过随机性检验。例如，假设证券价格波动序列是一个Logistic 映射过程，它显然是一个确定性的混沌过程，但是，这一过程在许多计算机系统是被当作伪随机数发生器，常规的检验方法根本无法识别确定性过程，而是将其视为随机序列！如果这样的话，所有通过考察证券价格是否能够通随机性检验的方法来考察资本市场有效性的研究，其理论基础及研究结论都将受到质疑。

3、沪深A股市场价格混沌特性实证研究
本文同时采用R/S分析方法及关联维数（Correlation Dimension,CD）分析方法考察沪深A股市场的非线性特征。通过R/S分析方法能够识别出证券价格序列是否存在持续效应，这在某种程度上可以验证股票市场是否存在正反馈交易机制，正反馈过程是产生混沌的前提。采用关联维数分析，可以识别股价序列是否存在混沌特征。我们的数据来源于乾隆公司的钱龙资讯系统。
3．1 R/S分析
Hurst（1951），Mandelbrot(1972)及Lo（1991）等所发展并完善了赫斯特指数(Hurst Index)的分析方法，即重标定域（Re-scaled range，R/S）分析方法。
赫斯特指数(H)可以用来识别时间序列的非随机性, 还可以识别序列的非周期性循环，因而可以用于识别时间序列的非线性特征。如果序列的赫斯特指数不等于0.50，则观测就不是独立的，每一个观测值都带着在它之前发生的所有事件的“记忆”，这种记忆不是短期的，它是长期的，理论上讲，它是永远延续的。虽然远期事件的影响不如近期事件的影响大，但残留影响总是存在的。在更宽泛的尺度上，一个表现出赫斯特统计特性的系统是一长串相互联系的事件的结果。今天发生的事情影响未来，今天我们所处的地位是过去我们所曾处的地位的一个结果。
关于Hurst赫斯特指数的详细计算参见文献Mandelbrot(1972)及Lo（1991）等，其计算过程如下：
1．对一个时间序列 ，考察长度为n的时间窗口内的子序列， ，n=1,2,3,……K，计算序列的平均值为：
………………………………（1）
2．计算子序列偏离均值的差值
………………………………（2）
显然， 的均值为零，这是重标定或归一化（标准化）。
3．计算偏离均值的累加值
……………………………（3）
4．计算时子序列的域

………………………………（4）
5．计算采样子序列的标准差
………………………………（5）
6．计算子序列重标定域
……………………………（6）
7．求解全序列 的均值
………………………………（7）
8．求解赫斯特指数
与 有幂关系，即：
……………………………（8）
……………………………（9）
在对数坐标上，设水平轴n，纵轴为 ，对 与 进行回归, 则线性回归的斜率为赫斯特指数。
我们选取上海证券交易所A股综合指数从1990年12月19日至2003年12月23日，以及深圳证券交易所A股综合指数从1992年10月4日至2003年12月23日期间的交易数据，分别计算其日收益率及周收益率序列的赫斯特指数，从而考察沪深A股市场的证券价格是否存在非线性特征。
采用上述方法,计算得到沪深A股综合指数的赫斯特指数,如表1所示，在图2—图5中，还详细地列出了R/S分析图。
表1 沪深A股综合指数Hurst 指数
上海A股指数 深圳A股指数
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 )

图2 上证A股指数日收益率序列 图3 上证A股指数周收益率序列

图4 深圳A股指数日收益率序列 图5 深圳A股指数周收益率序列
从表中数据我们可以看到，沪深A股市场的赫斯特指数无论以周数据统计还是以日数据统计，结果基本一致，均在0.60以上。H值大于0.50，意味着今天的事件确实影响明天，即是说，今天收到的信息在其被接收到之后继续被市场计算进去， 这从另一侧面印证沪深A股市场价格并不呈随机行走状态，收益序列之间存在一定的关联性，这是一种持续效应（Persistence effect）。如果股价序列在前一个期间是向上运动的，则它在下一个期间将更可能继续向上运动的趋势，反之，在前一个期间是向下运动的，则它在下一个期间更可能持续向下运动的趋势。股价序列的这一特性与经验感觉是一致的，无论是国内股票市场还是全球其它地区的股票市场，典型的牛市或者熊市，并非短暂的数日或者数月，往往持续数年。而股票市场极其异常的波动，例如，美国股市1929年股灾、1987年的暴跌等，均使投资者对市场的信心受到严重打击，市场在其后很长一段时间深受其影响。股价的持续效应在某种程度上印证了股票市场存在的正反馈效应机制。
3．2 关联维数分析
Grassberger 与Procaccia(1983a,1983b)提出了关联维数（Correlation Dimension，CD）方法，用以考察时间序列的非线性特性。其基本思想是：如果一个混沌过程是n维确定性过程，则该过程将充满n维空间，但如将其置于更高维的空间里，该过程将留下许多“洞眼”。一般地，关联维数度量的是相空间被一组时间序列“填充”的程度，关联维数越大，填充程度越高，表示时间序列内部结构越复杂，它类似随机过程时间序列的程度越强。需要指出的是，我们仅对低维混沌过程感兴趣。 如果股票价格真的是高复杂性的混沌过程，我们采用有限的样本数据是永远也无法识别出其复杂的结构的。此时，它可能与一个良好的“伪随机数发生器”产生的数据相近，高维混沌过程与随机过程将没有实际意义的区别。
设时间序列 由具有 个自由度的非线性动态系统产生，可以构造 维相空间失量：
………………（10）
其中， 被称为镶嵌维(Embedding dimension)， 为适当的时滞单位。时间序列过程在相空间的运行轨道是由一系列 维失量构成。如果该系统最终收敛为一组确定性过程，则该系统的运行轨道将收敛于相空间中维数低于 的相空间子集，即吸引子（Attractor），在这些吸引子周围的运动是混沌过程，具有非周期性且长期运动状态无法预测。
考虑吸引子附近的失量集合 ，关联积分（Correlation Integral） 定义为对于任意给定的 ，那些彼此之间的距离小于 的点数对（Pairs of Points） 的数量占所有可能的点数对的比例，即：
……………………（11）
其中， ……………（12）
当 时，对任意小 ，可以预期C遵循指数幂变化规律，即：
，从而关联幂（Correlation Exponent）可以通过对 与 对回归计算得到：
……………………………（13）
如果系统存在确定性混沌过程，随着镶嵌维数的增加，关联幂D值达到饱和值以后，将大约保持不变，这一关联幂指数的饱和值就是吸引子的关联维数。如果系统是随机过程，则随着镶嵌维数的增加，D值亦将成比例地增加，趋向无穷大 。

图6 上证A股指数在不同镶嵌维空间中的关联积分
图7 上证A股指数关联维

我们考察上海证券交易所A股综合指数从1990年12月19日至2003年12月31日期间日收益率时间序列的关联维。图6为上证A股综合指数在1-8维相空间中关联积分 随 值的变化情况。从图中我们可以看到，在 值处于0.0003-0.005区间时, 与 的变化呈现出指数幂关系。图7是关联幂D随镶嵌维数m的变化情况，我们可以看到，随着镶嵌维数m超过2以后，关联幂D值不再增加，而是稳定于大约 区间, 即上证A股综合指数的关联维数大约为1.4, 因此, 我们可以推测, 上证A股综合指数存在关联维数大约为 的低维确定性混沌过程。
相对于Scheinkman 与Lebaron（1989）及Brock与Back（1991）等计算得到的成熟资本市场关联维数，我们计算得到的上海A股市场的关联维数明显更低。如果时间序列是一个低维确定性过程，则意味着时间序列在短期是具有一定的可预测性的。从这个意义上看，我们认为，相对成熟资本市场，上海A股市场指数的随机性程度更低，而短期可预测性更强，这在某程度上也说明市场效率程度相对更低。另外，由于混沌特性，证券价格在短期具有一定的预测性，但进行长期预测则是极为困难的，从投资策略角度看，意味着基于证券价格短期变化的交易者可能存在获取利润的空间。

4、结论
在一个存在非线性正反馈机制的系统中，系统的演化理论上可能出现混沌过程。 证券市场由于噪声交易者的存在、从众心理及羊群效应等产生的群体性非理性行为，形成正反馈效应，从而可能导致证券价格的演变呈现出混沌过程，表现出复杂性。
本论文所做的实证研究表明，沪深A股市场指数的赫斯特指数大于0.5，这意味着沪深A股市场价格并不呈随机行走状态，收益序列之间存在趋势持续的特性，这也在一定程度上说明了股价形成过程中存在正反馈效应。对上海A股市场指数的考察进一步表明，上海A股市场指数收益率序列存在低维确定性混沌过程，其关联维数大约为1.4。 这一数值远低于成熟资本市场的指标，这表明上海股票市场指数收益率序列随机性低于成熟资本市场, 市场在短期的可预测性更强一些, 这在某种程度上表明市场的效率程度更低一些。市场存在确定性混沌过程，市场显然是无效的，但是，由于混沌过程同样能够通过随机行走模型检验, 我们认为, 这也许是为什么关于资本市场效率的传统实证检验结果仍然存在极大争议的原因。因为常规检验方法无法区分混沌过程与随机过程，因此，本论文认为，所有采用常规方法，通过考察证券价格是否符合随机游走模型，从而推断资本市场有效性的研究，其理论基础及研究结论均存在严重缺陷。由于证券价格运动的混沌特性，这意味着证券价格在短期具有一定的可预测性，但进行长期预测则是极为困难的。证券价格的这种混沌特性，从投资策略角度看，意味着基于证券价格短期变化的交易者可能存在生存的空间。

内 容 提 要
行为金融理论认为，投资者不是完全理性的，而是存在各种认知偏差。由于噪声交易者的存在、从众心理及羊群效应等产生的群体性非理性行为，证券市场存在正反馈效应。而且，投资者行为模式都是非线性的，在一个存在非线性正反馈机制的系统中，证券价格的演化可能出现混沌过程。
本论文所做的实证研究表明，沪深A股市场价格并不呈随机行走状态，而是存在非线性结构；上海A股市场指数收益率序列存在低维确定性混沌过程，其维数大约为1.4, 这一数值远低于成熟资本市场的指标，这表明上海股票市场指数收益率序列随机性低于成熟资本市场。由于市场存在确定性混沌过程，市场虽然是无效的，但同样能够通过随机行走模型检验，这也从某一角度说明了，为什么关于资本市场效率的传统实证检验结果仍然存在极大争议。由于混沌的存在，证券价格变化在短期具有一定的可预测性，但进行长期预测则是十分困难的。

③ 股市上的指标,螺旋线是什么意思

这是数学上的一种特殊曲线。
数学中有各式各样富含诗意的曲线，螺旋线就是其中比较特别的一类。螺旋线这个名词来源于希腊文，它的原意是"旋卷"或"缠卷"。例如，平面螺旋便是以一个固定点开始向外逐圈旋绕而形成的曲线。

④ 什么是CDR形式

分类: 教育/学业/考试 >> 远程教育
解析:

这个英文简称主要有两个含义，在不同的行业代表不同的意思

一、计算机领域：

*.cdr是CorelDraw软件使用中的一种图形文件保存格式。

CDR文件属于CorelDraw专用文件存储格式，必须使用匹配软件才能打开浏览，你需要安装CoreDraw相关软件后才能打开该图形文件。

顺便给你解释下，那么什么是CorelDraw呢？

CorelDraw 是一个绘图与排版的软件，它广泛地应用于商标设计、标志制作、模型绘制、插图描画、排版及分色输出等诸多领域。作为一个强大的绘图软件，它被喜爱的程度可用下面的事实说明：用作商业设计和美术设计的PC机几乎都安装了CorelDraw！

CorelDraw是基于矢量图的软件色。它的功能可大致分为两大类：绘图与排版。

CorelDraw界面设计有好，操作精微细致。它提供了设计者一整套的绘图工具包括圆形、矩形、多边形、方格、螺旋线，并配合塑形工具，对各种基本以作出更多的变化，如圆角矩形，弧、扇形、星形等。同时也提供了特殊笔刷如压力笔、书写笔、喷洒器等，以便充分地利用电脑处理信息量大，随机控制能力高的特点。

为便于设计需要，CorelDraw提供了一整套的图形精确定位和变形控制方案。这给商标、标志等需要准确尺寸的设计带来极大的便利。

颜色是美术设计的视觉传达重点；CorelDraw的实色填充提供了各种模式的调色方案以及专色的应用、渐变、位图、底纹的填充，颜色变化与操作方式更是别的软件都不能及的。而CorelDraw的颜色匹管理方案让显示、打印和印刷达到颜色的一致。

CorelDraw的文字处理与图象的输出输入构成了排版功能。文字处理是迄今所有软件最为优秀的。其支持了大部分图象格式的输入与输出。几乎与其他软件可畅行无阻地交换共享文件。所以大部分与用PC机作美术设计的都直接在CorelDraw中排版，然后分色输出。

CorelDraw9.0较以前的版本增加了喷洒器等工具，更主要的是加强了pdf网络格式支持及颜色管理。对很多的功能作了深化处理使其更能适应现代美术设计的需要。

二、股市证券领域

CDR 的定义

预托凭证（DepositaryReceipt，简称DR）是指某国上市公司为使其公司发行的股票能在外国证券市场流通，将一定数额的股票委托某银行保管，再由该银行通知外国的预托银行在当地推出代表该股份的预托凭证，然后该预托凭证就可在外国的证券市场挂牌进行交易。

CDR 是中国预托凭证的英文简称（China Depository Share，CDR），发行中国预托凭证（CDR）的想法源于美国的预托凭证（ADR），中国预托证券是指上市公司将部分已发行上市的外资股票托管在当地托管银行，由中国存托银行发行预托证券在内地证券市场上市交易。美国预托凭证（ADR）雏形是美国金融界巨子J·P·摩根在1927 年为了方便美国投资者持有英国百货业塞尔弗里奇公司的股票，减低股息发放时来回邮寄股票以进行股东确认领取股息所带来的成本而设计的。其基本思路是：美国投资者持有的英国公司股票由一家美国银行的英国代理行进行保管，无需离开英国，美国银行则向美国投资者发放一种表示其对英国股票所有权的凭证，即预托凭证,并且由美国银行代表美国投资者向英国公司收取股息及进行配股等事宜。迄今为止，尽管也出现了全球预托证券（GDR）、国际预托证券（IDR）等不同的DR 品种，由于它们均是以美元为结算货币，因而基本上都是ADR 的翻版，因而，全球预托证券主要是以ADR 形式存在。目前，全世界共有来自60多个国家和地区的公司，发行了超过1600 个预托证券。

⑤ 股票里的螺旋历法是怎么回事

螺旋历法，一个颇为新颖的技术分析测试工具。历法的始创者美国人嘉路兰（Cheistopher Carolan）先生于1992年10月始将其理论公诸于世。与波浪理论不同之处，在于历法本身只重于市场价格转向的时间预测，至于量度未来价位方面则欠奉。尽管如此，自螺旋历法面世以来，其惊人的预测转向时间的准确性，比当今任何的时间投影技术，包括波浪理论在内，均有过之而无不及。”

螺旋历法产生的背景，资料云：“于1981――1987年期间，嘉路兰先生只是一个籍籍无名的股票，期货交易商。一1987年10月19日的股灾当日，嘉路兰目睹一个世纪以来最疯狂的交易日。股灾后，遍地尸骸，数以百亿美元的市场资产付诸流水。取而代之的，是惊怕，灰暗，绝望。痛定思痛，嘉路兰先生怀着坚毅不屈的精神，决心要找当年股灾的图表玄机。”经过两年努力，嘉路兰创建了螺旋历法。

股市预测方法，有三种比较著名的方法。第一，K线，K线是日本古代米市场，米价每日涨跌所使用的图示方法。经人引用到股票市场，作为预测手段，效果很好。第二，艾略特波浪理论，该理论的三要素是波形（Patterm）,比率分析(ratio)，时间(time)。波形包含了一些理论上的重要信息；比率分析通常是用来决定在两个不同波浪间关连性的百分比率；时间是必然存在的，时间的长短，不会改变波浪的基本形态，市场仍会依照基本形态发展，但波浪可以按时间尺度拉长和缩短，这犹如“橡皮模上的几何学”似的。第三，即是螺旋历法。

圆周运动之对称性

宇宙有四大规律，股市服从这四大规律。是全息的。股市因之亦“悬命于天”。

股市循环周期“悬命于天”——追随太阳黑子周期，已有大量资料佐证，不赘述。无独有偶，笔者脱稿于2000年冬，出版于2001年的拙作《股市预测》之201页有这么一段话：“2006年——预测为第IV大浪底的周期。特别要关注的月份是由1988年4月起算之和219月和226月。因为18.25年=219月，18.84年=226月。（×e=219；×n=226）。这是老子费氏数第9项螺旋的朔望市场时间长度（219）和节气（226）市场时间长度。219月是360月的0.608，226是360月的0.627倍。平均为0.6175倍，接近黄金比率0.618，这是股市生命轨迹——螺旋线展开的收缩比率，是30年循环中的一个重要底部周期。”

219/2=109.5，我们知道，1998年4月之后的第110月是1997年5月520点顶部（沪1510点）深成指则在此月造出6103点历史高位之后调整至今。作为循环周期，这是一个极为重要的月份。事实上，110月是《螺旋历法》的太阳周期：n=110。是两个“天地之数”。倍数生成是《周易》的宇宙生命模式；对称性分布则是服从宇宙四大规律之一的对偶律。我们将1997年5月作为移动太极则后推出109月是1988年4月；前推109月是2006年6月。即总运行219月。是一组109-太极-109时间对称！（计数时弃用太极）

226月是2007年1月。录得第114月是1997年9月309点底部。以此为太极，则后推113月是1988年4月；前推113月是2007年1月。又是一组时间对称：113—太极—113。

进行上述计算时并没有考虑太阳黑子周期，然而，结果却是吻合的。与太阳黑子最少周期相比较，前者提前了半年，后者基本一致。都在《螺旋历法》太阴太阳的时间窗内。

从另一个角度看，1994年7月94点至2001年6月666点，上升83个月，（头包尾84月，×e=84），假若调整67个月（×e=66、×n=68），即至2007年1月，则跌与升的时间比率为0.807，接近股市常见的老子费氏数比率0.809。种种分析指出，进入2006年6月之后，至2007年1月，是一个重要底部周期的时间之窗。最为敏感的当是2006年6月、12月。或者2007年1月。届时将产生一个极为重要的底部。这是“天人相应”的必然。

⑥ 股票阶段性顶部的判断技巧是什么具体内容是什么

很多人在购买股票的过程中经常会出现阶段性顶部的判断，这样就会导致他们对市场的行情有一个大概的了解，但是大部分的情况下有很多人是不会进行判断的这样就会让他们在购买的过程中受到很多的亏损。今天就来教教大家如何判断股价是否到了阶段性顶部的技巧，掌握了这样的技巧，在购买股票的时候就能够了解很多的形式。

其实最好判断的就是成交量，我们在看成交量的过程中可以看到股票在拉升后期的时候出现均价向下的交叉迹象，我们就能够发现它已经到达了短期的阶段性顶部。这个时候我们就可以参考一下指标，如果它的指标率是比较大的，我们就可以确定它是到达了阶段性顶部。