交易中技术分析的时候，交易者都把股价数据作为正态分布的数据来分析、研究。不过，股价数据分布并不符合标准的正态分布。Fisher Transformation就是一个可以把价格数据转换为类似于正态分布的方法。Fisher Transformation将市场数据平滑，剔除一些尖锐的小周期振荡。利用当日和前一日的指标交错可以发出交易信号。

关于Fisher Transform的资料百度、知乎很多，这里不再赘述。

指标算法：

• 今日中间价：

  mid=(low + high) / 2

• 确定计算周期，可使用10日为周期。计算周期内最高价和最低价：

  lowestLow = 周期内最低价，highestHigh = 周期内最高价。

• 定义价变参数（其中的ratio为0-1之间常数，例如可取0.5或0.33）：

• 对价变参数x使用Fisher变换，得到Fisher指标：

使用JavaScript语言实现该算法

按照该指标算法逐步实现。需要注意的是这个算法是一个迭代算法，对于preX，preFish开始都置为0。对于Math.log就是求以自然常数e为底的对数。另外在上面算法中未提及对于x的修正，我在编写时也差点忽略掉这个问题：

修正x的值，大于0.99就强制设置为0.999。小于-0.99同理。

第一次看这个算法、指标，按照算法移植出来之后。该实现我也并未验证，有兴趣研究的同学可以验证下有无错误。非常感谢指出错误。

Fisher Transform指标算法源码：

画图

在FMZ上画图就很简单了，策略广场：https://www.fmz.com/square上面有大把的例子可以参考，也可以搜索。

所以在FMZ上研究数据、图形显示、设计策略是非常方便的。
这里抛砖引玉，欢迎各位老师、同学留言。