线性回归带自动画线指标公式

『壹』 线性回归线公式

『贰』 线性回归方程公式

线性回归方程的公式如下图所示：

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)

后把x,y的平均数X，Y代入a=Y-bX

求出a并代入总的公式y=bx+a得到线性回归方程。

求解方法

线性回归模型经常用最小二乘逼近来拟合，但他们也可能用别的方法来拟合，比如用最小化“拟合缺陷”在一些其他规范里（比如最小绝对误差回归），或者在回归中最小化最小二乘损失函数的乘法。相反，最小二乘逼近可以用来拟合那些非线性的模型。

因此，尽管最小二乘法和线性模型是紧密相连的，但他们是不能划等号的

『叁』 线性回归方程公式是什么

y=bx+a 举个栗子 y=3x+1

因为我们不知道x前面的系数，和常数项所以设成a b a和b通常是我们需要求的

不懂继续问哈

『肆』 求一个自动画股价通道指标公式

编写自动画线指标没有问题高低点位置随便可调。画线的效果跟线性回归带一模一样没有区别。效果如图。

『伍』 怎么得到线性回归方程公式的

变量的相关关系中最为简单的是线性相关关系,设随机变量*与变量之间存在线性相关关系,则由试验数据得到的点(,)将散布在某一直线周围,因此,可以认为关于的回归函数的类型为线性函数,即,下面用最小二乘法估计参数、b,设服从正态分布,分别求对、b的偏导数,并令它们等于零，得方程组
解得
其中
，

且为观测值的样本方差.
线性方程称为关于的线性回归方程,称为回归系数,对应的直线称为回归直线.顺便指出,将来还需用到,其中为观测值的样本方差.
利用公式求解：b=

线性回归方程公式求出a

线性回归方程公式
是总的公式

『陆』 线性回归带和线性回归通道两画线功能用法上有什么区别

通达信自带画线工具的使用
K线图的画法

支撑线和压力线
画法：
将两个或两个以上的相对低点连成一条直线即得到支撑线
将两个或两个以上的相对高点连成一条直线即得到压力线
用法：
1.支撑线和压力线的作用
支撑线又称为抵抗线。当股价跌到某个价位附近时，股价停止下跌，甚至有可能还有回升。这个起着阻止股价继续下跌或暂时阻止股价继续下跌的价格就是支撑线所在的位置。
压力线又称为阻力线。当股价上涨到某价位附近时，股价会停止上涨，甚至回落。这个起着阻止或暂时阻止股价继续上升的价位就是压力线所在的位置。
支撑线和压力线的作用是阻止或暂时阻止股价向一个方向继续运动。同时，支撑线和压力线又有彻底阻止股价按原方向变动的可能。
2.支撑线与压力线相互转化
一条支撑线如果被跌破，那么这个支撑线将成为压力线；同理，一条压力线被突破，这个压力线将成为支撑线。这说明支撑线和压力线的地位不是一成不变的，而是可以改变的，条件是它被有效的足够强大的股价变动突破。
3.支撑线和压力线的确认和印正
一般来说，一条支撑线或压力线对当前影响的重要性有三个方面的考虑，一是股价在这个区域停留时间的长短；二是股价在这个区域伴随的成交量大小；三是这个支撑区域或压力区域发生的时间距离当前这个时期的远近。
趋势线

画法：
在上升趋势中，将两个低点连成一条直线，就得到上升趋势线。
在下降趋势中，将两个高点连成一条直线，就得到下降趋势线。
用法：
趋势线是衡量价格波动的方向的，由趋势线的方向可以明确地看出股价的趋势。要得到一条真正起作用的趋势线，要经多方面的验证才能最终确认。首先，必须确实有趋势存在。其次，画出直线后，还应得到第三个点的验证才能确认这条趋势线是有效的。

轨道线

画法：
轨道线又称通道线或管道线，是基于趋势线的一种方法。在已经得到了趋势线后，通过第一个峰和谷可以作出这条趋势线的平行线，这条平行线就是轨道线。
用法：
两条平行线组成一个轨道，这就是常说的上升和下降轨道。轨道的作用是限制股价的变动范围。对上面的或下面的直线的突破将意味着有一个大的变化。与突破趋势线不同，对轨道线的突破并不是趋势反向的开始，而是趋势加速的开始。轨道线的另一个作用是提出趋势转向的警报。

黄金分割线

画法：
将鼠标从一个相对低点拖曳到一个相对高点即得到黄金分割线。
用法：
黄金分割线有若干个特殊的数字，这些数字中0.382、0.618、1.382和1.618最为重要，股价极为容易在由这四个数产生的黄金分割线处产生支撑和压力。

百分比线

画法：
将鼠标从一个相对低点拖曳到一个相对高点即得到百分比线。
用法：
百分比线考虑问题的出发点是人们的心理因素和一些整数位的分界点。其中，1/2，1/3，2/3的这三条线最为重要。

速度阻力线

画法：
将鼠标在一个相对低点点下不放然后调整到与趋势相符的位置即得到速度线。
用法：
速度线最为重要的功能是判断一个趋势是被暂时突破还是长久突破(转势)。

甘氏线

画法：
将鼠标在一个相对低点点下不放然后调整到与趋势相符的位置即得到甘氏线。
用法：
甘氏线是从一个点出发，依一定的角度，向后画出的多条射线。它通过画角度的办法以协助来判断一些重要的支撑阻力位。 波段线
画法：
将鼠标从一个相对低点拖曳到一个相对高点即得到百分比线。
用法：
波段线用来度量一个高点与低点间的涨跌幅度，由此为买卖时机做参考。波段线的幅度分别是1/4,，1/3，1/2。

线性回归

画法：
将鼠标从一个相对低点拖曳到一个相对高点即得到百分比线。
用法：
线性回归、线形回归带及线形回归通道：线性回归、线性回归带及线性回归通道是根据数学上线性回归的原理来确定一定时间内的价格走势。线性回归将一定时间内的股价走势线性回归，然后来确定这一段时间内的总体走势；线性回归带是根据这一段时间内的最高、最低价画出线性回归的平行通道线；回归通道是线性

回归带的延长。 费波拉契线

画法：
将鼠标从一个相对低点拖曳到一个相对高点即得到费波拉契线。
用法：
费波拉契数列是一串神奇的数字：1，2，3，5，8，13，21，34，55，89，144，233，377，610，987，1597……直至无限。构成费波拉契神奇数字系列的基础非常简单，由1，2，3开始，产生无限数字系列，而3，实际上为1与2之和，以后出现的一系列数字，全部依照上述简单的原则，两个连续出现的相邻数字相加，等于一个后面的数字。例如3加5等于8，5加8等于13，8加13等于21，……直至无限。表面看来，此一数字系列很简单，但背后却隐藏着无穷的奥妙。在使用上述神奇数字比率时，投资者和分析者若与波浪形态配合，再加上动力系统指标的协助，能较好地预估股价见顶见底的讯号。

『柒』 线性回归误差公式

以一简单数据组来说明什么是线性回归。假设有一组数据型态为 y=y(x)，其中

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

如果我们要以一个最简单的方程式来近似这组数据，则非一阶的线性方程式莫属。先将这组数据绘图如下

图中的斜线是我们随意假设一阶线性方程式 y=20x，用以代表这些数据的一个方程式。以下将上述绘图的 MATLAB 指令列出，并计算这个线性方程式的 y 值与原数据 y 值间误差平方的总合。

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

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

>> y1=20*x; % 一阶线性方程式的 y1 值

>> sum_sq = sum(y-y1).^2); % 误差平方总合为 573

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

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

如此任意的假设一个线性方程式并无根据，如果换成其它人来设定就可能采用不同的线性方程式；所以我们 须要有比较精确方式决定理想的线性方程式。我们可以要求误差平方的总合为最小，做为决定理想的线性方 程式的准则，这样的方法就称为最小平方误差(least squares error)或是线性回归。MATLAB的polyfit函数提供了 从一阶到高阶多项式的回归法，其语法为polyfit(x,y,n)，其中x,y为输入数据组n为多项式的阶数，n=1就是一阶 的线性回归法。polyfit函数所建立的多项式可以写成

从polyfit函数得到的输出值就是上述的各项系数，以一阶线性回归为例n=1，所以只有 二个输出值。如果指令为coef=polyfit(x,y,n)，则coef(1)= , coef(2)=,...,coef(n+1)= 。注意上式对n 阶的多 项式会有 n+1 项的系数。我们来看以下的线性回归的示范：

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

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

>> coef=polyfit(x,y,1); % coef 代表线性回归的二个输出值

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

>> ybest=a1*x+a0; % 由线性回归产生的一阶方程式

>> sum_sq=sum(y-ybest).^2); % 误差平方总合为 356.82

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

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

『捌』 线性回归方程公式b怎么求

第一：用所给样本求出两个相关变量的(算术）平均值：
x_=(x1+x2+x3+...+xn)/n
y_=(y1+y2+y3+...+yn)/n

第二：分别计算分子和分母：（两个公式任选其一）
分子=(x1y1+x2y2+x3y3+...+xnyn)-nx_Y_
分母=(x1^2+x2^2+x3^2+...+xn^2)-n*x_^2

第三：计算 b ： b=分子 / 分母

用最小二乘法估计参数b,设服从正态分布,分别求对a、b的偏导数并令它们等于零，得方程组解为

其中 ，且为观测值的样本方差.线性方程称为关于的线性回归方程,称为回归系数,对应的直线称为回归直线.顺便指出,将来还需用到,其中为观测值的样本方差.

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)

后把x,y的平均数X，Y代入a=Y-bX

求出a并代入总的公式y=bx+a得到线性回归方程

(X为xi的平均数，Y为yi的平均数)

(8)线性回归带自动画线指标公式扩展阅读

分析按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。

如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。

『玖』 利用Excel求线性回归公式，要具体步骤！

不知是不是这个意思，还是发给你看看，希望能够帮到你。点击插入里面的散点图，里面有一个圆滑的带点的图，点击那个以后会弹出一个空白图，单击右键后点选择数据，然后x，y分别选定，图就做出来了。之后点击图上的点，选定所有点后右击，有一个拟合，选择线性，并在方程那一栏打钩。