平均波动指标公式(ATR指标详细介绍？)
1. ATR指标详细介绍？
ATR又称 Average true range平均真实波动范围，简称ATR指标，是由J.Welles Wilder 发明的，ATR指标主要是用来衡量市场波动的强烈度，即为了显示市场变化率的指标。
首先提出的，这一指标主要用来衡量价格的波动。因此，这一技术指标并不能直接反映价格走向及其趋势稳定性，而只是表明价格波动的程度。
这一指标对于长期持续边幅移动的时段是非常典型的，这一情况通常发生在市场的顶部，或者是在价格巩固期间。根据这个指标来进行预测的原则可以表达为：该指标价值越高，趋势改变的可能性就越高；该指标的价值越低，趋势的移动性就越弱。
2. 三相四线移动平均法？
移动平均法名词解释：时间序列预测方法之一。利用时间序列的移动平均数来进行预测的一种方法。
移动平均数的计算公式为名词解释：Mt(1)=(yt yt-1 … yt-n 1)÷n。式中,n代表跨越期;yi代表时间序列值;Mt(1)代表第t期的一阶移动平均数。它主要包括名词解释：
(1)简单移动平均法。即直接以本期的移动平均数作为下期预测值的预测方法。预测模式为名词解释：t 1＝M(1)t=(yt yt-1 … yt-n 1)÷n。主要用于时间序列无明显上升、下降趋势,但具有不规则波动时的短期预测。
(2)一次移动平均法。即以基期的移动平均数加上一定的趋势值来进行预测的方法。预测模式为名词解释：式中,yt k代表k期后的预测值;Mt(1)代表基期的一阶移动平均数;n代表跨越期;b代表趋势值,其计算公式为名词解释：主要用于时间序列具有明显上升、下降趋势时的预测,既能用于短期预测,也能用于中、长期预测。
(3)二次移动平均法。即利用一阶移动平均数和二阶移动平均数来进行预测的方法,预测模式为名词解释：yt k=at kbt。式中,at、bt为参数,其计算公式为名词解释：
at＝2Mt(1)-M(2)t;
Mt(2)为第t期二阶移动平均数,可依一阶移动平均数计算求得名词解释：
Mt(2)t=(Mt(1) Mt-1(1) … Mt-n 1(1))÷n。主要用于时间序列具有明显上升、下降趋势,其一阶移动平均数亦具有明显上升、下降趋势时的预测。
3. 一次移动平均法的问题分析？
移动平均法可以分为：简单移动平均和加权移动平均。 、简单移动平均法 简单移动平均的各元素的权重都相等。
简单的移动平均的计算公式如下： ft=(at-1+at-2+at-3+…+at-n)/n式中， · ft--对下一期的预测值；
· n--移动平均的时期个数；
· at-1--前期实际值；
· at-2,at-3和at-n分别表示前两期、前三期直至前n期的实际值。 二、加权移动平均法 加权移动平均给固定跨越期限内的每个变量值以相等的权重。其原理是：历史各期产品需求的数据信息对预测未来期内的需求量的作用是不一样的。
除了以n为周期的周期性变化外，远离目标期的变量值的影响力相对较低，故应给予较低的权重。 加权移动平均法的计算公式如下： ft=w1at-1+w2at-2+w3at-3+…+wnat-n式中， · w1--第t-1期实际销售额的权重；
· w2--第t-2期实际销售额的权重；
· wn--第t-n期实际销售额的权 · n--预测的时期数；w1+ w2+…+ wn=1 在运用加权平均法时，权重的选择是一个应该注意的问题。
经验法和试算法是选择权重的最简单的方法。
一般而言，最近期的数据最能预示未来的情况，因而权重应大些。
例如，根据前一个月的利润和生产能力比起根据前几个月能更好的估测下个月的利润和生产能力。
但是，如果数据时季节性的，则权重也应是季节性的。 移动平均法 - 移动平均法的优缺点 使用移动平均法进行预测能平滑掉需求的突然波动对预测结果的影响。但移动平均法运用时也存在着如下问题：
1、 加大移动平均法的期数（即加大n值）会使平滑波动效果更好，但会使预测值对数据实际变动更不敏感；
2、 移动平均值并不能总是很好地反映出趋势。由于是平均值，预测值总是停留在过去的水平上而无法预计会导致将来更高或更低的波动；
3、 移动平均法要由大量的过去数据的记录。
4. 年平均气温计算公式？
年平均温
气象学术语
全年各日的日平均温度的算术平均值称为年平均温度。实际上，年平均温度常用月平均温度来计算，方法是：把一年中各月的平均温度累加在一起再除以12。年平均温度的实际价值同月平均温度。
基本信息
中文名年平均温外文名mean annual temperature影响因素太阳辐射、地热能
计算方法
除了可以使用全年各日的日平均气温的算术平均值来计算年平均温，还可以把一年中各月的平均气温累加在一起再除以12。这样计算非常简便，而且计算结果误差不大。所以年平均气温的实际价值同月平均气温。
气温变化趋势
根据窄温生物化石、气候敏感沉积物、同位素测温、有无液态水及古地磁资料等，可初步恢复地球历史时期的气温变化趋势。
在距今 4. 6 ～4. 1 Ga，地球上没有沉积物，没有生命，因此推测没有液态水，古气温远 >100℃ 。
4. 1 ～ 3. 9 Ga，地球表面反复遭受小行星的强烈撞击，引发大量火山喷发，地球急剧失热，地表温度迅速下降，地球出现沉积碎屑岩，说明有液态水存在，推测古气温 <100℃。
3. 8 ～ 2. 5 Ga，地球出现碳酸岩沉积，并发现大量叠层石。叠层石是藻类活动的产物，推测当时气候炎热潮湿，根据燧石稳定同位素测定的古气温约为 70℃。
0. 7 Ga 前后，地球持续发生大规模火山喷发，此次喷发造成全球温度急剧降低，在随后的 10 万a内，代表寒冷气候沉积的冰碛岩遍布全球，古赤道附近也出现大量冰川活动痕迹，这一时期的地球被称为“雪球地球”，推测古气温可能已降到 0℃ 以下。又经过几千万年，温度才逐步恢复。
0. 57 ～ 0. 51 Ga，地球进入一个全新时代，在短短的 2 000 多a时间内， “瞬间”创生出绝大部分无脊椎动物门类，节肢、腕足、蠕形、海绵、脊索等一系列与现代动物形态基本相同的动物几乎同时出现，地质学上称为“寒武纪生命大爆发”。此时沉积物以代表温暖气候沉积的石灰岩为主，并伴有喜热藻类生物，但陆地生物尚未出现，说明气候相当炎热，还不适宜陆地生物生存，推测古气温可能已经恢复到 40℃ 以上。之后，地球又经历多次火山喷发，古温度进一步降低。
0. 205 ～ 0. 065 Ga，此时的地球古气温可能已降到 25℃ 左右，这是陆地生物的黄金生长温度，地球进入“恐龙时代”。氧同位素测温表明，此时高纬度地区古气温为 10℃ ～ 15℃，地中海为 18℃ ～24℃ ，没有寒带和冰盖。这一时期喜暖动植物遍布全球，食物极其丰富，出现大量体重数十吨的恐龙。
距今 0. 065 Ga，地球再次发生大规模火山喷发，古气温瞬间升高，之后又迅速降低，引发地球生物的巨大灾难，以恐龙为代表的大量动植物彻底灭绝。之后，地球温度逐步恢复，与环境相适应的动植物再次繁荣起来。
现在地球年均气温只有 15℃，处于第四纪冰期后的温度恢复期，地球年均气温还会缓慢上升，但上升 1℃ 可能需要数千年，且再也达不到“恐龙时代”年均 25℃的水平。
城市平均气温
1.华北地区
北京：12.9℃
天津：12.9℃
石家庄：13.9℃
太原：10.4℃
呼和浩特：7.3℃
2.东北地区
沈阳：8.5℃
大连：11.3℃
长春：6.1℃
哈尔滨：4.9℃
3.华东地区
上海：17.1℃
南京：15.9℃
杭州：17.0℃
宁波：17.2℃
合肥：16.2℃
福州：20.2℃
厦门：20.7℃
南昌：18.0℃
济南：14.8℃
青岛：13.0℃
4.中南地区
郑州：14.7℃
武汉：17.1℃
长沙：17.4℃
广州：22.4℃
深圳：23.0℃
南宁：21.8℃
海口：24.4℃
5.西南地区
重庆：18.4℃
成都：16.0℃
贵阳：15.1℃
昆明：15.5℃
拉萨：8.5℃
6.西北地区
西安：14.3℃
兰州：10.3℃
西宁：6.1℃
银川：9.5℃
乌鲁木齐：7.3℃
7.港澳台地区
香港：23.3℃
澳门：22.6℃
台北：23.0℃
台中：23.3℃
高雄：25.1℃
我国平均气温
我国年平均和冬季平均气温的时间演变特征
屠其璞将我国气温的年际变化分为 11 种基本类型，并指出我国大部分地区从 20 世纪 50 年代以来冬季气温仍保持上升的趋势。
林学椿等分析认为 1950 ～1990 年我国年平均气温以0.04 ℃ /10 a 的速率上升，最大增温在东北和华北地区；长江流域以及西南地区的年平均气温不但没有增加反而呈下降趋势；冬季平均温度倾向率最大，为 0.33℃ /10 a。
丁一汇等研究发现我国增温趋势与北半球的情况大致相似，但在具体的变化过程上又与全球变化存在明显差异，如我国温度最高的出现时期是在 20 世纪 40 年代，而不是80 年代以后。
宋连春用计算气温等级的方法证明了1950 ～ 1990 年我国冬季气温大致是前期降温、后期升温，我国年平均气温变化存在 6 ～7 和 3 a 的周期变化。
黄琦利用1951 ～2000 年我国160 站月平均气温资料，证明了我国冬季气温存在 6 ～9 和 3 ～5 a 的周期波动。
周自江等利用1951 ～ 1997 年我国大陆 695 个测站气温资料建立了全国及 8个区域近 47 a 冬季气温的时间序列，并指出我国冬季气温总体上呈非连续的增暖趋势，增幅约为 0.155 ℃ /10 a，20 世纪90 年代较 50 年代约上升了 0.61 ℃ ，其中 1985 年以后的增暖极为明显。
刘莉红等采用墨西哥帽小波和哈尔小波函数分析我国气温发现，我国年平均气温变化有 3 个突变点，分别是 1920、1955 和 1985 年。
李庆祥等重新构建了近百年全国气温变化序列，得出了近百年我国气温变化的最新估计，并指出 1900 ～ 2006 年我国气温变化速度为( 0.09 ±0.017) ℃ /10 a；四季中，冬季增幅最大，为( 0.14 ± 0.021) ℃ /10 a；夏季最小，为( 0.04 ± 0.017) ℃ /10 a；近 53 a( 1954 ～2006 年) 气温增暖趋势约为( 0.26 ± 0.032) ℃ /10 a，近 28 a( 1979 ～2006 年) 增暖趋势为( 0.45 ±0.13) ℃ /10 a，气温增暖速率呈明显加剧趋势，值得注意。
我国年平均和冬季平均气温的地理分布特征
林学椿等分析 1950 ～1990 年我国年平均气温倾向率分布认为，黄河以南、长江流域大部分地区倾向率为负值，黄河以北、华北和东北的倾向率为正值； 1950 ～1990 年我国平均温度最大倾向率出现在冬季( 0.33 ℃ /10 a) ，除西南少数站点是负倾向率外，其他地区均为正倾向率，增温中心在山西、内蒙及新疆北部，增温率均为 0.60 ℃ /10 a 以上。
吴洪宝等利用 1951 ～1990 年 40 个站冬季月平均气温资料，采用旋转 EOF 方法将我国冬季气温异常划分为6 个区域，指出除华南和青藏高原东部气温异常的长期倾向不明显外，其他地区呈现明显的变暖趋势。
屠其璞等利用 1951 ～1996 年我国 160 站月平均气温序列，采用旋转 EOF 方法将我国年平均气温分为 8 个变化区，将冬季气温分为 5 个变化区，并指出近 46 a 我国年平均气温的主要升温区为东北、华北北部和新疆自治区，升温幅度为 1.2 ℃左右；降温区为四川、贵州，幅度为0.3 ～ 0.4 ℃，升温范围和升温幅度最大的为冬季。
张晶晶等利用 1961 ～1990 年逐年我国年平均气温资料，采用 REOF 方法将我国大陆分为 8 个气温变化区，指出1951 ～ 2000 年我国大陆的 35°N 以北地区年平均气温变暖显著于35°N 以南，且除西南区为降温区外，其他 7 个区域均为变暖趋势，其中东北区、东北—华北区增温最显著，气候倾向率达0.35 ℃ /10 a，西北区、青新区增温也较显著。
黄琦利用 1951 ～2000 年我国 160 站月平均气温资料，分析我国冬季气温均方差分布指出，我国冬季气温从南向北气温变化幅度逐渐加大，表现为东北、内蒙东部、西北地区冬季气温的变化幅度较大，而南方大部分地区的冬季气温变化幅度相对较小。
宋连春采用经验正交函数分解( EOF) 方法分析 1950～ 1990 年我国 336 站冬季气温的时空分布特征指出，我国冬季气温第 1 主分量空间分布全国大部分地区是同号的，我国冬季气温第 2 主分量空间分布为东北和西北西部同号，且与其余全国大部分地区符号相反，我国冬季气温第 3 主分量空间分布为黄河以北、110°E 以东与全国其他地区反号。
刘宣飞等对 1951 ～1989 年我国年平均气温和冬季平均气温进行 EOF 分解指出，我国 160 站年平均气温 EOF 第 1 模态空间分布体现出我国除西南局部地区外，全国其他大部分地区符号相同，其中东北、内蒙和新疆北部有极值中心；我国冬季气温 EOF 第1 模态空间分布与年平均的基本相同，只是西南地区与全国其他地区异号的范围略有减小。
其他学者也对我国 160 站不同时间长度的冬季气温资料进行 EOF 分解分析，得到的结论也基本一致，我国冬季气温EOF 第 1 模态证明，我国冬季气温在全国大范围具有一致偏冷或偏暖的特征( 除西南小部分地区外) ，且东北、华北、新疆地区冬季气温的异常最明显； EOF 第 2 模态证明，我国西南、华南地区的冬季气温与东北、华北及新疆地区冬季气温的异常变化具有反相变化的特征[5，13 －14]。
康丽华等分析发现年代际尺度上冬季气温的 EOF 分析结果与年际尺度的基本一致，但全国一致变化型可能在年代际时间尺度上表现得更加显著，而南北反相变化型可能在年际尺度上更加显著。
5. 平均滤波有几种？
1、限幅滤波法（又称程序判断滤波法）
A、方法：
根据经验判断，确定两次采样允许的最大偏差值（设为A）
每次检测到新值时判断：
如果本次值与上次值之差<=A,则本次值有效
如果本次值与上次值之差>A,则本次值无效,放弃本次值,用上次值代替本次值
B、优点：
能有效克服因偶然因素引起的脉冲干扰
C、缺点
无法抑制那种周期性的干扰
平滑度差
2、中位值滤波法
A、方法：
连续采样N次（N取奇数）
把N次采样值按大小排列
取中间值为本次有效值
B、优点：
能有效克服因偶然因素引起的波动干扰
对温度、液位的变化缓慢的被测参数有良好的滤波效果
C、缺点：
对流量、速度等快速变化的参数不宜
3、算术平均滤波法
A、方法：
连续取N个采样值进行算术平均运算
N值较大时：信号平滑度较高，但灵敏度较低
N值较小时：信号平滑度较低，但灵敏度较高
N值的选取：一般流量，N=12；压力：N=4
B、优点：
适用于对一般具有随机干扰的信号进行滤波
这样信号的特点是有一个平均值，信号在某一数值范围附近上下波动
C、缺点：
对于测量速度较慢或要求数据计算速度较快的实时控制不适用
比较浪费RAM
6. 直通车各类目总体平均点击率，转化率，多少？
1、淘宝中各类目的平均点是有波动的，没有固定多少的问题，转化率在生意参谋上可以查看，如果要查看当前的点击率首先打开淘宝官网，登陆卖家中心。
2、在左边项目栏中点击营销中心的“我要推广”。3、点击进入直通车（第一个黄色图标）。4、输入关键词查询，点击率就出来了。5、转化率就回到营销中心点击“生意参谋”选项。6、点击进入“经营分析”。7、点击交易分析中的“交易概况”。8、点击同行对比中的指标选项，将支付转化率打上对勾。9、最后转化率图表就出来了。7. 分时均价线有什么指标？
分时均价线是指期货在盘中正常波动时的价格，分时均价一般要配合均线指标来看。
短期操作看得比较多的就是分时均价线和5日均线，一般分时均价线的运行在均价线上，当分时均价线上涨时5日均价线也上涨，说明有真实的买盘在推进，如果分时均价线上涨，5均价线反映迟钝则是一种异常现象，说明资金虚假拉升或者有出货的可能性。
分时图是我们在对分时战法研究中所必不可缺的一部分，因为只有对分时图的形态的研究，才能更加清晰的看到分时的变化。今天笔者不是要给大家讲全部的分时图的组成，只是来讲一下分时图中的分时线与均价线。
我们在了解分时线与均价线之前，还是首先要了接一下什么是分时图。分时图是指大盘和个股的动态实时(即时)走势图。在实战中，分时图的地位是非常重要的，是即时把握多空力量转化及市场变化的根本所在。分时图的组成要素中最为常用的就是分时线与均价线，有关二者的介绍如下内容。
第一、分时线
分时线是股价在盘中正常波动时的价格，通过软件把这些高低起伏的价格进行连线。通过视觉，投资者便可以更直观地感受到股价运行的变化。
即时走势的研究就是对分时线的趋势、形态及量能配合状况的综合分析。其实分时线所描述的就是一分钟结束时最后一笔成交的价格，在一分钟之内会有数笔的成交，当然也会有很多歌的成交价格。但是赋予分时线来说它只是保留一分钟内的最后的一笔成交价格，在一分钟内的股价变化就通常忽略不计。对分时线进行研究的核心工作就是对研究分时图。
第二、均价线
均价线是当天投资者的平均持股成本，随总成交金额及总成交手数的变化而不断改变运行方向的反映。如果股价始终在均价线之上运行，则说明当天投资者愿以更高的价格买入该股，该股就处于强势，可以重点关注。相反如果股价一直在均价线之下运行的话，则说明市场抛压沉重，后市呈现看跌。
从对分时研究来看，通过均价线可以判断当天多空力量的对比还可有效食谱庄家的骗线行为。庄家在尾市会大幅拉高或者是可以的打压股价，在通过改变收盘价来改变原来的K线形态或技术指标，但是在一般的情况下难以使当天均价线出现大幅变化。收盘时的均价客观地反映了全天的股价重心，尾市的波动对其影响较小。
第三、分时线和均价线的位置关系
在前面我们已经讲过有关完美分时图，那么健康完美的分时线和均线运行状态就是：分时线运行在均价线上并保持一定的比例关系，当分时线上涨时均价线应该跟上，说明的确有真实的买盘在推进股价上涨，也只有真正的买盘才可以推高股价并维持股价，而不是把股价推高吸引买盘卖货的推升。
8. 数据波动程度的几种度量？
数据波动程度可以用标准差、方差、极差等指标进行度量。其中标准差是指数据离均值的平均距离，用于衡量数据的分散程度；方差是标准差的平方，因此也可以用来描述数据分散的大小；极差则是数据最大值与最小值之间的差，用于描述数据的变动范围。除此之外，还有离散系数、变异系数等指标可以用来表示数据波动程度。这些指标可以帮助人们更准确地了解数据的分布情况和变化趋势，为科学决策提供依据。
