0：8月21日补充12月收盘的年线分析图3幅：

1：自相关和自褶积分析：

    作为探寻规则化信息的一种手段，是检查数据系列中是否存在有序信号的重要方法。这种方法在通讯行业和地球物探等行业早就得到了广泛应用。只是尚未见到用于资本市场分析。下文对沪指尝试性地用此方法作个分析，其原理或原则方法可参见关于自相关函数和自褶积函数的一个研习http://blog.sina.com.cn/s/blog_55954cfb0100hwhg.html

2：沪市的5级分级系列

成长股之父费雪的小儿子肯.费雪认为证券市场的走势只有四种，每年市场走势将呈现其中的一种，包括：市场大幅上涨（大牛市）市场小幅上涨（小牛市）、市场小幅下跌（小熊市）、市场大幅下跌（大熊市）。

他的思维模式是非涨即跌，西方的排中律观念根深蒂固。他排除了不涨不跌（即横盘）的状态。如果我们把横盘状态补充进来，就可以构成一个完美的5级分级系列：

1：市场大幅下跌（大熊市）-----对应人性------： 恐慌

2：市场小幅下跌（小熊市）-------------------  -： 恐惧

3：市场横盘              -------------------  --：中性

4：市场小幅上涨（小牛市）-------------------  --：贪婪

5：市场大幅上涨（大牛市）--------------------  -：非常贪婪

我们观察以1991年5月为起始点的年K线（即收盘为下一年的5月），上述5种市场走势一目了然。其中有5根特别瞩目的大阳线，即可标为5级；6根大阴线可标为1级，依次标出每年的级别。

    下图作出年涨跌幅度百分比即收益率曲线，以定量的形式来划分5级系列：年涨幅等于或大于50%的标为5级，年跌幅大于20%标为1；年涨跌幅在零轴附近正负5%以内可标为3，介于这之间的上涨的就标为4，下跌的就标为2。

     从上图我们看到，5级分级系列可以用来刻画和形象年涨跌幅度，或者说5级分级系列用来逼近市场涨跌状态，还是相当靠谱的。

    其实5级分级系列随处可见，如星级酒店，考核成绩，旱涝分级等等，当然还有诸如风力，地震等其它级别的分级系列，分级的关键是是否符合或贴近实际。因为用的是正整数，很容易记忆和计算。整数可以代表实在的量子特性或可数性（翁文波语），或称之为信息数码系统（欧阳首承语）。这便是信息代数的来源，这个用数代表实际存在状态的过程，就是代数的本来含义。整数是反映客观世界的一种秩序，也就是信息，同时也是中继和传播信息的介体。股市的数据记录，若看成是“连续”的，属于统计范畴，在我们带有一定主观成分的分级后，呈现“离散”的可数性，可数性给予我们某种程度的信息，从而我们拥有了可分析性。例如，波浪理论的本质也是把连续性走势划分为可数性的离散性信息。

    3：沪市时间序列的自相关和自褶积分析

    按照5级分级系列，我们就得到了一组对应于1992.5----2010.5月的年度时间序列的数据分布：Xi=﹛5，1，1，4，2，5，4，2，5，4，1，3，3，1，5，5，1，1，3﹜，共19个数据。下图是对这19个数据的自相关和自褶积分析。

    映入我们眼帘的曲线既不同于纯信息序列，也有别于纯噪音系列，但却更接近于前者，说明含有相当高程度的规则化信息。

    一般来说，周期性是数据序列中的一种重要秩序。一个没有周期性信号的零和平稳序列(零和平稳序列指均值为零即已中心化处理的平稳序列；一个随机过程的均值和方差在时间过程上都是常数，则称之为平稳的)，它们的自相关序列值r_τ随着r_τ的增加逐步下降。反之，含有明显周期性信号的零和序列，其自相关序列值r_τ和自褶积序列值Cc在图上都会表现出峰和谷。如果周期性因素很复杂，许多峰和谷互相混淆，显不出来，但自相关序列值r_τ和自褶积序列值Cc一般不随τ和c的增加逐步下降。

     看上图，首先，自相关序列明显有周期为3的(Δτ=3)5个峰τ=﹛3，6，9，12，15﹜；6个谷，τ=﹛1，4，7，10，13，16﹜；全序列围绕1，2，3，4，5这5个数的自乘积的均值9上下分布。

     其次看自褶积序列：可以识别出的周期为3的(Δc=3)5个峰c=﹛4，7，10，13，16﹜；5个谷，c=﹛3，6，9，12，15，﹜；全序列多部分位于均值9以下。自相关和自褶积的谷与峰两两相对。

     把周期为3(Δτ=3)的自相关序列的5个峰τ=﹛3，6，9，12，15，18﹜与时间对应起来：t=﹛1995，1998，2001，2004，2007﹜；把自褶积序列的6个谷，c=﹛3，6，9，12，15，18﹜和时间也对应起来：t=﹛1995，1998，2001，2004，2007，2010﹜。

     同理，利用自相关序列和自褶积序列，也可以把对应于股市低点的年份一一找出来。例如，自褶积序列的周期为3的(Δc=3)5个峰c=﹛4，7，10，13，16﹜就对应于股市低点的年份，特别是 c=﹛7，10，13，16﹜非常规则地间隔3，分别对应于1999年，2002年，2005年，2008年的5月附近，3年周期十分显著。见下图得标注：

 补充：以12月收盘的年线分析图：

4：结语

         （1）：该方法证实证券市场中确实存在非偶然的有序的周期性信号，从看似无序的股市运动轨迹中可以提取出有序的有用信号，是对资本市场中的随机漫步理论的一个否定，这一市场不可知论，认为市场是纯噪音系列的看法，显然是错误的。

         （2）：方法本身的逻辑是严密的，是通讯和地球物探专业常用的技术方法。但存在着处理的对象数据及结论仍比较粗放的缺点，只能指其大概，可以用来配合其它技术手段进行分析。

         （3）：本贴所取的以每年5月为收盘价，是因为5月极其特殊，其高点序列十分显著，低点也成序列，故以此为基础，尝试进行自相关和自褶积分析。其实12月也不错，也是成序列的，即含有有序信号的，见上图所标注。

          尽管数据量不算大，计算还是很麻烦，历尽曲折！