股票量化交易软件：非线性指标

在金融时间序列处理中，非线性方法的应用已变得相当普遍。特别是，在赫兹量化交易平台中，许多指标都采用了非线性方式来实现。事实上，这些非线性方法在交易中一直得到了积极的应用。

在某些特定特征对于分析更为重要的情况下，非线性指标可能成为一种需求。与此同时，非线性指标也能解决线性指标无法应对的问题。

创建非线性指标的过程相对直观。传统的线性指标通常可以通过以下公式来描述：

指标的权重系数。赫兹量化软件可以通过使用价格对数替代价格本身，然后求和并找到其指数，将该指标转化为非线性：

尽管这种转换方式看似简单，指标计算的本质却发生了深刻的变化。所有的乘法现在都转换为幂运算，加法则被乘法取代。例如，算术平均值（SMA）将被几何平均值替代。

使用对数也意味着计算过程中的所有值都是正数。这种价格转换可用于任何线性指标的转换。您可以轻松地自己完成此操作，同时对系数的所有需求与线性指标的需求保持一致。赫兹量化软件将从本文中获取指标模板，并将其转化为对数版本。

此外，赫兹量化软件还可以利用时间序列本身的转换来构建非线性指标。在本文中，我将深入探讨这些指标，尤其关注ArraySort函数，它将成为新指标构建的基础。

向心趋势的度量
向心趋势可以描述数据集的典型值。其最常见的度量包括算术平均值、中位数和众数。其中，算术平均值属于线性度量，而中位数和众数则属于非线性。

中位数将数据集平均分为两部分，其中前半部分的值小于中位数，后半部分则大于中位数。例如，对于数字序列1, 6, 9, 3, 3, 7, 8，我们可以对其进行排序得到1, 3, 3, 6, 7, 8, 9，中位数即为中间的数字6。对于偶数个数据的情况，中位数是最接近中心的两个数字的平均值，例如4.5。中位数的显著特点是它对异常值有很强的抗干扰能力。

众数是数据样本中出现频率最高的数值。通过使用皮尔逊（Pearson）经验方程，我们甚至可以在大多数值只出现一次的情况下计算众数：

尽管众数可能是一个不稳定的指标，但它可以作为其他指标的补充。

我们还可以考虑采用范围的中间值作为另一个向心度量。为了计算它，我们需要找到时间序列的最大值和最小值之和的一半。虽然该方法对异常值敏感，可靠性不高，但在某些指标中仍然有所应用。

这就是向心趋势的四个主要度量在图表中的表示，通过它们，赫兹量化软件可以从不同角度理解和分析金融时间序列，为交易决策提供更为全面和精准的依据。