一、为何会有这种多均线相似度比较的想法。
1、在使用四维全息理论设置的特定均线的时候，会出现相同均线组合模式出现类似行情的情况。特别是时空共振点之后，更为相似。但是，这种相似是指四维全息标注的相似，而不是行情的几何形状的唯一、完全相似。
检测一段行情与历史行情的相似，如果我们不基于趋势行情的直接的曲线图比较相似（这种方法利用python进行试验，结果并不理想），而是基于多组均线来比较相似，这更可行一些。而四维全息均线的特定设置，实际多组均线就相当于一个变动的标准尺，起到一个相对的标定、界定的作用。
而所谓的时空共振点，就是相邻的几条四维全息均线粘合，而股价也“恰巧”在附近的这种时空情况。我们可以理解为18天、36天、72天之后，均线粘合，那么这些天的均线共同“认为”股价应该在这附近，而股价又恰好就在附近，也就时空共振了。
在通常的均线粘合选股指标中，实际找到的就是部分这样的时空位置，仅仅是后面的选择方向才决定方向而已。时空共振点是之后，是选择方向，而非必须怎么样！
这是利用四维全息理论标注方式产生的各种行情的分形特征，关键的时空共振点之后，会有上述可能性的变化。
四维全息均线的特定设置，可兼容现有的所有可行的均线理论。
2、江恩理论有一句引用于《圣经》的话，“已有的还会有，阳光下没有新鲜事。”那么，如何判断什么情况是“已有的”？如何判断阳光下是否会有新鲜事？从上图就可以看出，可以有新鲜事。但是新鲜事又是这里面几何分形分类的一种。
如何比对“已有的”？我曾试验过利用python的cv库、pillow库、人工智能等方法直接进行曲线相似度对比，但结果并不理想。并非期望的结果。这才没办法自己想算法。
八卦、周易给了我算法的启发。如果用几何方法表达八卦，那么实际就是三条均线涨跌的排列组合。而64卦就是六条均线涨跌的排列组合。这也是可以用三维数组表达八卦、六维数组表达64卦的数理。
那么，四维全息均线的主均线是十条，也就是需要每一天的十条均线的涨跌信息。不是六爻卦了，而是十爻卦。
而均线的排列是有交叉的，卦爻的排列没有交叉。那么，我们还得对每一天的均线增加上下排序的排列组合信息。
通过这样的算法方式，每一天的十条均线会得到20个确定性的信息。十条均线的涨跌信息和十条均线的上下排序的排列组合信息。这相当于把一维的时序曲线上的一个点，用20维的信息方式表达。
通过这样的算法方式，每一天的十条均线会得到20个确定性的信息。十条均线的涨跌信息和十条均线的上下排序的排列组合信息。
而四维全息均线的特定十条均线设置，在这里成为一把“动态的尺”。
通过这样的算法转换，我们实际有确定性的2^10*10！个几何形态分类，3715891200种几何分类。
而所谓的寻找均线几何相似度这种模糊的数学问题，被转化为决定性的数学条件。
例如某一天的上证指数的这十条均线可以表达为：X986574123（x为10，十条均线的排序数列）、2121221122（十条均线的涨跌，2为涨，1为跌）。也就是这一天的信息，被转化为20个特定的唯一性的数字信息。那么，接下来需要做的事情，就是找历史上同样这种编码的位置了。我们利用肯定性的数字，寻找的结果是相似的结果，因为均线的斜度并不完全相同。
这个编程问题，利用交易师的选股方式已经解决，但笔者希望能用python解决，这也是笔者学python的原因。有愿意合作的人联系笔者，笔者可以更深入地讲解用法。
二、试验算法中出现的问题
1、计算量的问题：十条均线每天20个信息，产生的几何形态已经是天文数字。如果我们用一只股票今天的20个编码寻找股市4000多只股票的历史同样信息，利用交易师选股公式实现，寻找这样情况7条均线的相似度，大约需要十分钟。
2、均线重叠的问题：刚才的算法没有考虑十条均线中有均线重叠的情况。这是为了简便算法。但由此带来的问题就是，均线数值的小数点能够精确到几位？精确的位数越多，计算量越大，但是重叠情况越少。在交易师中精确到小数点后面6位的情况下，只能比较七条均线的相似度，八条均线比较就会出现有均线重叠而造成误显示的问题。
3、自然日与交易日的问题：这个方法是基于自然日数据产生的算法方法，但是，现有趋势行情软件，一些是不能显示自然日数据的，而且选股指标没有使用自然日的趋势行情软件。为此，逼迫将算法在交易日行情的条件下实现。
而交易日行情中，所有均线数值都需经过转换，以去掉周末、假期、停盘对时空运转的影响。经过试验，去掉周末时间就已经近似逼近实际数值。但是，这种转换方式存在的软肋就是：如果这只股票停牌，这种交易日均线的显示是不符合实际时空运转情况的。
4、试验结果的应用意义：利用一只股票今天的20个信息找到4000多只股票历史上同样的均线排列组合情况的位置，结果通常不是一个。我们会发现如上图一样的未来情况。也就是涨跌皆有可能的大趋势结果。针对各种级别依然需要人工再选择。再选择的条件很简单：在周线再比较均线相似度，这样就可以去掉四维全息标注方式不同的大部分结果。
而剩下的结果，依然还会存在细节不同，这个比较更简单：例如日线级别利用特定的主要均线：m72、m144比较斜度就可以了。注意，这里是斜度，而非斜率。斜度＝今天的均线数值减去昨天的均线数值。这方面的内容，可参见笔者的四维角度尺内容。
5、预估未来，假设是日线级别的，那么只考虑一个日线级别波段时间的未来。因为后面又会产生如上图四维全息标注方式的变化。
霹雳火(654350715) -9-14 10:50:43
三、这种算法的比较优势：
由于股市行情存在的几何分形性，或者说《波浪理论》的级别性，由于这种特定均线采用了固定迭代分形特征的数值，那么会在特定的时间周期产生特定的全息意义。
在没有自然日分钟级别数据的前提下，我们可以近似使用4分钟、30分钟、日线、周线，跨级别的比对这十条均线的特征。其结果是逼近相似的。
其他时间级别的趋势行情均线，不能产生这种特征。
上证的5分钟与道琼工业曾经的一段日线比较。全息并不在意是哪个维度的行情，不同维度的特定的对应均线的排列组合的作用依然一致。
上图中的上证指数，是自然日5分钟级别的趋势图，是利用交易师修改公式的方式实现，均线参数使用的是自然日参数。
这种使用方法要求特定的时间周期的行情。与日线级别比较，这个级别可以是4分钟、30分钟、周线，结果是近似逼近的。除非解决分钟级别的自然日数据显示问题，否则交易日均线参数只能近似。
而能够形成这种全息结果的数理原因，在于时间的特定设置上。数理结论的分维方式的关键数字居然是接近8左右。这也是其他分钟级别不能够简单直接利用这种全息特征的原因。
同时，这种四维全息均线还有一篇关键的文章暂时还没有发表，仅几位朋友已经学习。这里面的每条特定均线都是有特定支撑、阻力意义、全息意义、循环意义的。待未来发布。
《四维全息算法》第五讲－－依据四维全息算法设定的均线 其均线组合相似度比较的使用用法
如果觉得《《四维全息算法》第五讲－－依据四维全息算法设定的均线 其均线组合相似度比较的使用》对你有帮助，请点赞、收藏，并留下你的观点哦！
