線性回歸帶自動畫線指標公式

『壹』 線性回歸線公式

『貳』 線性回歸方程公式

線性回歸方程的公式如下圖所示：

先求x,y的平均值X,Y

再用公式代入求解:b=(x1y1+x2y2+...xnyn-nXY)/(x1+x2+...xn-nX)

後把x,y的平均數X，Y代入a=Y-bX

求出a並代入總的公式y=bx+a得到線性回歸方程。

求解方法

線性回歸模型經常用最小二乘逼近來擬合，但他們也可能用別的方法來擬合，比如用最小化「擬合缺陷」在一些其他規范里（比如最小絕對誤差回歸），或者在回歸中最小化最小二乘損失函數的乘法。相反，最小二乘逼近可以用來擬合那些非線性的模型。

因此，盡管最小二乘法和線性模型是緊密相連的，但他們是不能劃等號的

『叄』 線性回歸方程公式是什麼

y=bx+a 舉個栗子 y=3x+1

因為我們不知道x前面的系數，和常數項所以設成a b a和b通常是我們需要求的

不懂繼續問哈

『肆』 求一個自動畫股價通道指標公式

編寫自動畫線指標沒有問題高低點位置隨便可調。畫線的效果跟線性回歸帶一模一樣沒有區別。效果如圖。

『伍』 怎麼得到線性回歸方程公式的

變數的相關關系中最為簡單的是線性相關關系,設隨機變數*與變數之間存在線性相關關系,則由試驗數據得到的點(,)將散布在某一直線周圍,因此,可以認為關於的回歸函數的類型為線性函數,即,下面用最小二乘法估計參數、b,設服從正態分布,分別求對、b的偏導數,並令它們等於零，得方程組
解得
其中
，

且為觀測值的樣本方差.
線性方程稱為關於的線性回歸方程,稱為回歸系數,對應的直線稱為回歸直線.順便指出,將來還需用到,其中為觀測值的樣本方差.
利用公式求解：b=

線性回歸方程公式求出a

線性回歸方程公式
是總的公式

『陸』 線性回歸帶和線性回歸通道兩畫線功能用法上有什麼區別

通達信自帶畫線工具的使用
K線圖的畫法

支撐線和壓力線
畫法：
將兩個或兩個以上的相對低點連成一條直線即得到支撐線
將兩個或兩個以上的相對高點連成一條直線即得到壓力線
用法：
1.支撐線和壓力線的作用
支撐線又稱為抵抗線。當股價跌到某個價位附近時，股價停止下跌，甚至有可能還有回升。這個起著阻止股價繼續下跌或暫時阻止股價繼續下跌的價格就是支撐線所在的位置。
壓力線又稱為阻力線。當股價上漲到某價位附近時，股價會停止上漲，甚至回落。這個起著阻止或暫時阻止股價繼續上升的價位就是壓力線所在的位置。
支撐線和壓力線的作用是阻止或暫時阻止股價向一個方向繼續運動。同時，支撐線和壓力線又有徹底阻止股價按原方向變動的可能。
2.支撐線與壓力線相互轉化
一條支撐線如果被跌破，那麼這個支撐線將成為壓力線；同理，一條壓力線被突破，這個壓力線將成為支撐線。這說明支撐線和壓力線的地位不是一成不變的，而是可以改變的，條件是它被有效的足夠強大的股價變動突破。
3.支撐線和壓力線的確認和印正
一般來說，一條支撐線或壓力線對當前影響的重要性有三個方面的考慮，一是股價在這個區域停留時間的長短；二是股價在這個區域伴隨的成交量大小；三是這個支撐區域或壓力區域發生的時間距離當前這個時期的遠近。
趨勢線

畫法：
在上升趨勢中，將兩個低點連成一條直線，就得到上升趨勢線。
在下降趨勢中，將兩個高點連成一條直線，就得到下降趨勢線。
用法：
趨勢線是衡量價格波動的方向的，由趨勢線的方向可以明確地看出股價的趨勢。要得到一條真正起作用的趨勢線，要經多方面的驗證才能最終確認。首先，必須確實有趨勢存在。其次，畫出直線後，還應得到第三個點的驗證才能確認這條趨勢線是有效的。

軌道線

畫法：
軌道線又稱通道線或管道線，是基於趨勢線的一種方法。在已經得到了趨勢線後，通過第一個峰和谷可以作出這條趨勢線的平行線，這條平行線就是軌道線。
用法：
兩條平行線組成一個軌道，這就是常說的上升和下降軌道。軌道的作用是限制股價的變動范圍。對上面的或下面的直線的突破將意味著有一個大的變化。與突破趨勢線不同，對軌道線的突破並不是趨勢反向的開始，而是趨勢加速的開始。軌道線的另一個作用是提出趨勢轉向的警報。

黃金分割線

畫法：
將滑鼠從一個相對低點拖曳到一個相對高點即得到黃金分割線。
用法：
黃金分割線有若干個特殊的數字，這些數字中0.382、0.618、1.382和1.618最為重要，股價極為容易在由這四個數產生的黃金分割線處產生支撐和壓力。

百分比線

畫法：
將滑鼠從一個相對低點拖曳到一個相對高點即得到百分比線。
用法：
百分比線考慮問題的出發點是人們的心理因素和一些整數位的分界點。其中，1/2，1/3，2/3的這三條線最為重要。

速度阻力線

畫法：
將滑鼠在一個相對低點點下不放然後調整到與趨勢相符的位置即得到速度線。
用法：
速度線最為重要的功能是判斷一個趨勢是被暫時突破還是長久突破(轉勢)。

甘氏線

畫法：
將滑鼠在一個相對低點點下不放然後調整到與趨勢相符的位置即得到甘氏線。
用法：
甘氏線是從一個點出發，依一定的角度，向後畫出的多條射線。它通過畫角度的辦法以協助來判斷一些重要的支撐阻力位。 波段線
畫法：
將滑鼠從一個相對低點拖曳到一個相對高點即得到百分比線。
用法：
波段線用來度量一個高點與低點間的漲跌幅度，由此為買賣時機做參考。波段線的幅度分別是1/4,，1/3，1/2。

線性回歸

畫法：
將滑鼠從一個相對低點拖曳到一個相對高點即得到百分比線。
用法：
線性回歸、線形回歸帶及線形回歸通道：線性回歸、線性回歸帶及線性回歸通道是根據數學上線性回歸的原理來確定一定時間內的價格走勢。線性回歸將一定時間內的股價走勢線性回歸，然後來確定這一段時間內的總體走勢；線性回歸帶是根據這一段時間內的最高、最低價畫出線性回歸的平行通道線；回歸通道是線性

回歸帶的延長。 費波拉契線

畫法：
將滑鼠從一個相對低點拖曳到一個相對高點即得到費波拉契線。
用法：
費波拉契數列是一串神奇的數字：1，2，3，5，8，13，21，34，55，89，144，233，377，610，987，1597……直至無限。構成費波拉契神奇數字系列的基礎非常簡單，由1，2，3開始，產生無限數字系列，而3，實際上為1與2之和，以後出現的一系列數字，全部依照上述簡單的原則，兩個連續出現的相鄰數字相加，等於一個後面的數字。例如3加5等於8，5加8等於13，8加13等於21，……直至無限。表面看來，此一數字系列很簡單，但背後卻隱藏著無窮的奧妙。在使用上述神奇數字比率時，投資者和分析者若與波浪形態配合，再加上動力系統指標的協助，能較好地預估股價見頂見底的訊號。

『柒』 線性回歸誤差公式

以一簡單數據組來說明什麼是線性回歸。假設有一組數據型態為 y=y(x)，其中

x={0, 1, 2, 3, 4, 5}, y={0, 20, 60, 68, 77, 110}

如果我們要以一個最簡單的方程式來近似這組數據，則非一階的線性方程式莫屬。先將這組數據繪圖如下

圖中的斜線是我們隨意假設一階線性方程式 y=20x，用以代表這些數據的一個方程式。以下將上述繪圖的 MATLAB 指令列出，並計算這個線性方程式的 y 值與原數據 y 值間誤差平方的總合。

>> x=[0 1 2 3 4 5];

>> y=[0 20 60 68 77 110];

>> y1=20*x; % 一階線性方程式的 y1 值

>> sum_sq = sum(y-y1).^2); % 誤差平方總合為 573

>> axis([-1,6,-20,120])

>> plot(x,y1,x,y,'o'), title('Linear estimate'), grid

如此任意的假設一個線性方程式並無根據，如果換成其它人來設定就可能採用不同的線性方程式；所以我們 須要有比較精確方式決定理想的線性方程式。我們可以要求誤差平方的總合為最小，做為決定理想的線性方 程式的准則，這樣的方法就稱為最小平方誤差(least squares error)或是線性回歸。MATLAB的polyfit函數提供了 從一階到高階多項式的回歸法，其語法為polyfit(x,y,n)，其中x,y為輸入數據組n為多項式的階數，n=1就是一階 的線性回歸法。polyfit函數所建立的多項式可以寫成

從polyfit函數得到的輸出值就是上述的各項系數，以一階線性回歸為例n=1，所以只有 二個輸出值。如果指令為coef=polyfit(x,y,n)，則coef(1)= , coef(2)=,...,coef(n+1)= 。注意上式對n 階的多 項式會有 n+1 項的系數。我們來看以下的線性回歸的示範：

>> x=[0 1 2 3 4 5];

>> y=[0 20 60 68 77 110];

>> coef=polyfit(x,y,1); % coef 代表線性回歸的二個輸出值

>> a0=coef(1); a1=coef(2);

>> ybest=a1*x+a0; % 由線性回歸產生的一階方程式

>> sum_sq=sum(y-ybest).^2); % 誤差平方總合為 356.82

>> axis([-1,6,-20,120])

>> plot(x,ybest,x,y,'o'), title('Linear regression estimate'), grid

『捌』 線性回歸方程公式b怎麼求

第一：用所給樣本求出兩個相關變數的(算術）平均值：
x_=(x1+x2+x3+...+xn)/n
y_=(y1+y2+y3+...+yn)/n

第二：分別計算分子和分母：（兩個公式任選其一）
分子=(x1y1+x2y2+x3y3+...+xnyn)-nx_Y_
分母=(x1^2+x2^2+x3^2+...+xn^2)-n*x_^2

第三：計算 b ： b=分子 / 分母

用最小二乘法估計參數b,設服從正態分布,分別求對a、b的偏導數並令它們等於零，得方程組解為

其中 ，且為觀測值的樣本方差.線性方程稱為關於的線性回歸方程,稱為回歸系數,對應的直線稱為回歸直線.順便指出,將來還需用到,其中為觀測值的樣本方差.

先求x,y的平均值X,Y

再用公式代入求解:b=(x1y1+x2y2+...xnyn-nXY)/(x1+x2+...xn-nX)

後把x,y的平均數X，Y代入a=Y-bX

求出a並代入總的公式y=bx+a得到線性回歸方程

(X為xi的平均數，Y為yi的平均數)

(8)線性回歸帶自動畫線指標公式擴展閱讀

分析按照自變數和因變數之間的關系類型，可分為線性回歸分析和非線性回歸分析。如果在回歸分析中，只包括一個自變數和一個因變數，且二者的關系可用一條直線近似表示，這種回歸分析稱為一元線性回歸分析。

如果回歸分析中包括兩個或兩個以上的自變數，且因變數和自變數之間是線性關系，則稱為多元線性回歸分析。

『玖』 利用Excel求線性回歸公式，要具體步驟！

不知是不是這個意思，還是發給你看看，希望能夠幫到你。點擊插入裡面的散點圖，裡面有一個圓滑的帶點的圖，點擊那個以後會彈出一個空白圖，單擊右鍵後點選擇數據，然後x，y分別選定，圖就做出來了。之後點擊圖上的點，選定所有點後右擊，有一個擬合，選擇線性，並在方程那一欄打鉤。