Ⅰ 求PHP的網頁源代碼，最好是介紹股票的。急。。
不知道理解對不對
XXXXX就是用GET傳值的UID
讀取資料庫裡面對應的UID就可以了
Ⅱ PHP的演算法可以實現大數據分析嗎
1.Bloom filter
適用范圍：可以用來實現數據字典，進行數據的判重，或者集合求交集
基本原理及要點：
對於原理來說很簡單，位數組+k個獨立hash函數。將hash函數對應的值的位數組置1，查找時如果發現所有hash函數對應位都是1說明存在，很明顯這個過程並不保證查找的結果是100%正確的。同時也不支持刪除一個已經插入的關鍵字，因為該關鍵字對應的位會牽動到其他的關鍵字。所以一個簡單的改進就是 counting Bloom filter，用一個counter數組代替位數組，就可以支持刪除了。
還有一個比較重要的問題，如何根據輸入元素個數n，確定位數組m的大小及hash函數個數。當hash函數個數k=(ln2)*(m/n)時錯誤率最小。在錯誤率不大於E的情況下，m至少要等於n*lg(1/E)才能表示任意n個元素的集合。但m還應該更大些，因為還要保證bit數組里至少一半為 0，則m 應該>=nlg(1/E)*lge 大概就是nlg(1/E)1.44倍(lg表示以2為底的對數)。
舉個例子我們假設錯誤率為0.01，則此時m應大概是n的13倍。這樣k大概是8個。
注意這里m與n的單位不同，m是bit為單位，而n則是以元素個數為單位(准確的說是不同元素的個數)。通常單個元素的長度都是有很多bit的。所以使用bloom filter內存上通常都是節省的。
擴展：
Bloom filter將集合中的元素映射到位數組中，用k（k為哈希函數個數）個映射位是否全1表示元素在不在這個集合中。Counting bloom filter（CBF）將位數組中的每一位擴展為一個counter，從而支持了元素的刪除操作。Spectral Bloom Filter（SBF）將其與集合元素的出現次數關聯。SBF採用counter中的最小值來近似表示元素的出現頻率。
問題實例：給你A,B兩個文件，各存放50億條URL，每條URL佔用64位元組，內存限制是4G，讓你找出A,B文件共同的URL。如果是三個乃至n個文件呢？
根據這個問題我們來計算下內存的佔用，4G=2^32大概是40億*8大概是340億，n=50億，如果按出錯率0.01算需要的大概是650億個 bit。現在可用的是340億，相差並不多，這樣可能會使出錯率上升些。另外如果這些urlip是一一對應的，就可以轉換成ip，則大大簡單了。
2.Hashing
適用范圍：快速查找，刪除的基本數據結構，通常需要總數據量可以放入內存
基本原理及要點：
hash函數選擇，針對字元串，整數，排列，具體相應的hash方法。
碰撞處理，一種是open hashing，也稱為拉鏈法；另一種就是closed hashing，也稱開地址法，opened addressing。 (http://www.my400800.cn)
擴展：
d-left hashing中的d是多個的意思，我們先簡化這個問題，看一看2-left hashing。2-left hashing指的是將一個哈希表分成長度相等的兩半，分別叫做T1和T2，給T1和T2分別配備一個哈希函數，h1和h2。在存儲一個新的key時，同時用兩個哈希函數進行計算，得出兩個地址h1[key]和h2[key]。這時需要檢查T1中的h1[key]位置和T2中的h2[key]位置，哪一個位置已經存儲的（有碰撞的）key比較多，然後將新key存儲在負載少的位置。如果兩邊一樣多，比如兩個位置都為空或者都存儲了一個key，就把新key 存儲在左邊的T1子表中，2-left也由此而來。在查找一個key時，必須進行兩次hash，同時查找兩個位置。
問題實例：
1).海量日誌數據，提取出某日訪問網路次數最多的那個IP。
IP的數目還是有限的，最多2^32個，所以可以考慮使用hash將ip直接存入內存，然後進行統計。
3.bit-map
適用范圍：可進行數據的快速查找，判重，刪除，一般來說數據范圍是int的10倍以下
基本原理及要點：使用bit數組來表示某些元素是否存在，比如8位電話號碼
擴展：bloom filter可以看做是對bit-map的擴展
問題實例：
1)已知某個文件內包含一些電話號碼，每個號碼為8位數字，統計不同號碼的個數。
8位最多99 999 999，大概需要99m個bit，大概10幾m位元組的內存即可。
2)2.5億個整數中找出不重復的整數的個數，內存空間不足以容納這2.5億個整數。
將bit-map擴展一下，用2bit表示一個數即可，0表示未出現，1表示出現一次，2表示出現2次及以上。或者我們不用2bit來進行表示，我們用兩個bit-map即可模擬實現這個2bit-map。
4.堆
適用范圍：海量數據前n大，並且n比較小，堆可以放入內存
基本原理及要點：最大堆求前n小，最小堆求前n大。方法，比如求前n小，我們比較當前元素與最大堆里的最大元素，如果它小於最大元素，則應該替換那個最大元素。這樣最後得到的n個元素就是最小的n個。適合大數據量，求前n小，n的大小比較小的情況，這樣可以掃描一遍即可得到所有的前n元素，效率很高。
擴展：雙堆，一個最大堆與一個最小堆結合，可以用來維護中位數。
問題實例：
1)100w個數中找最大的前100個數。
用一個100個元素大小的最小堆即可。
5.雙層桶劃分 ----其實本質上就是【分而治之】的思想，重在「分」的技巧上！
適用范圍：第k大，中位數，不重復或重復的數字
基本原理及要點：因為元素范圍很大，不能利用直接定址表，所以通過多次劃分，逐步確定范圍，然後最後在一個可以接受的范圍內進行。可以通過多次縮小，雙層只是一個例子。
擴展：
問題實例：
1).2.5億個整數中找出不重復的整數的個數，內存空間不足以容納這2.5億個整數。
有點像鴿巢原理，整數個數為2^32,也就是，我們可以將這2^32個數，劃分為2^8個區域(比如用單個文件代表一個區域)，然後將數據分離到不同的區域，然後不同的區域在利用bitmap就可以直接解決了。也就是說只要有足夠的磁碟空間，就可以很方便的解決。
2).5億個int找它們的中位數。
這個例子比上面那個更明顯。首先我們將int劃分為2^16個區域，然後讀取數據統計落到各個區域里的數的個數，之後我們根據統計結果就可以判斷中位數落到那個區域，同時知道這個區域中的第幾大數剛好是中位數。然後第二次掃描我們只統計落在這個區域中的那些數就可以了。
實際上，如果不是int是int64，我們可以經過3次這樣的劃分即可降低到可以接受的程度。即可以先將int64分成2^24個區域，然後確定區域的第幾大數，在將該區域分成2^20個子區域，然後確定是子區域的第幾大數，然後子區域里的數的個數只有2^20，就可以直接利用direct addr table進行統計了。
6.資料庫索引
適用范圍：大數據量的增刪改查
基本原理及要點：利用數據的設計實現方法，對海量數據的增刪改查進行處理。
擴展：
問題實例：
7.倒排索引(Inverted index)
適用范圍：搜索引擎，關鍵字查詢
基本原理及要點：為何叫倒排索引？一種索引方法，被用來存儲在全文搜索下某個單詞在一個文檔或者一組文檔中的存儲位置的映射。
以英文為例，下面是要被索引的文本：
T0 = "it is what it is"
T1 = "what is it"
T2 = "it is a banana"
我們就能得到下面的反向文件索引：
"a": {2}
"banana": {2}
"is": {0, 1, 2}
"it": {0, 1, 2}
"what": {0, 1}
檢索的條件"what", "is" 和 "it" 將對應集合的交集。
正向索引開發出來用來存儲每個文檔的單詞的列表。正向索引的查詢往往滿足每個文檔有序頻繁的全文查詢和每個單詞在校驗文檔中的驗證這樣的查詢。在正向索引中，文檔占據了中心的位置，每個文檔指向了一個它所包含的索引項的序列。也就是說文檔指向了它包含的那些單詞，而反向索引則是單詞指向了包含它的文檔，很容易看到這個反向的關系。
擴展：
問題實例：文檔檢索系統，查詢那些文件包含了某單詞，比如常見的學術論文的關鍵字搜索。
8.外排序
適用范圍：大數據的排序，去重
基本原理及要點：外排序的歸並方法，置換選擇 敗者樹原理，最優歸並樹
擴展：
問題實例：
1).有一個1G大小的一個文件，裡面每一行是一個詞，詞的大小不超過16個位元組，內存限制大小是1M。返回頻數最高的100個詞。
這個數據具有很明顯的特點，詞的大小為16個位元組，但是內存只有1m做hash有些不夠，所以可以用來排序。內存可以當輸入緩沖區使用。
9.trie樹
適用范圍：數據量大，重復多，但是數據種類小可以放入內存
基本原理及要點：實現方式，節點孩子的表示方式
擴展：壓縮實現。
問題實例：
1).有10個文件，每個文件1G， 每個文件的每一行都存放的是用戶的query，每個文件的query都可能重復。要你按照query的頻度排序 。
2).1000萬字元串，其中有些是相同的(重復),需要把重復的全部去掉，保留沒有重復的字元串。請問怎麼設計和實現？
3).尋找熱門查詢：查詢串的重復度比較高，雖然總數是1千萬，但如果除去重復後，不超過3百萬個，每個不超過255位元組。
10.分布式處理 maprece
適用范圍：數據量大，但是數據種類小可以放入內存
基本原理及要點：將數據交給不同的機器去處理，數據劃分，結果歸約。
擴展：
問題實例：
1).The canonical example application of MapRece is a process to count the appearances of
each different word in a set of documents:
void map(String name, String document):
// name: document name
// document: document contents
for each word w in document:
EmitIntermediate(w, 1);
void rece(String word, Iterator partialCounts):
// key: a word
// values: a list of aggregated partial counts
int result = 0;
for each v in partialCounts:
result += ParseInt(v);
Emit(result);
Here, each document is split in words, and each word is counted initially with a "1" value by
the Map function, using the word as the result key. The framework puts together all the pairs
with the same key and feeds them to the same call to Rece, thus this function just needs to
sum all of its input values to find the total appearances of that word.
2).海量數據分布在100台電腦中，想個辦法高效統計出這批數據的TOP10。
3).一共有N個機器，每個機器上有N個數。每個機器最多存O(N)個數並對它們操作。如何找到N^2個數的中數(median)？
經典問題分析
上千萬or億數據（有重復），統計其中出現次數最多的前N個數據,分兩種情況：可一次讀入內存，不可一次讀入。
可用思路：trie樹+堆，資料庫索引，劃分子集分別統計，hash，分布式計算，近似統計，外排序
所謂的是否能一次讀入內存，實際上應該指去除重復後的數據量。如果去重後數據可以放入內存，我們可以為數據建立字典，比如通過 map，hashmap，trie，然後直接進行統計即可。當然在更新每條數據的出現次數的時候，我們可以利用一個堆來維護出現次數最多的前N個數據，當然這樣導致維護次數增加，不如完全統計後在求前N大效率高。
如果數據無法放入內存。一方面我們可以考慮上面的字典方法能否被改進以適應這種情形，可以做的改變就是將字典存放到硬碟上，而不是內存，這可以參考資料庫的存儲方法。
當然還有更好的方法，就是可以採用分布式計算，基本上就是map-rece過程，首先可以根據數據值或者把數據hash(md5)後的值，將數據按照范圍劃分到不同的機子，最好可以讓數據劃分後可以一次讀入內存，這樣不同的機子負責處理各種的數值范圍，實際上就是map。得到結果後，各個機子只需拿出各自的出現次數最多的前N個數據，然後匯總，選出所有的數據中出現次數最多的前N個數據，這實際上就是rece過程。
實際上可能想直接將數據均分到不同的機子上進行處理，這樣是無法得到正確的解的。因為一個數據可能被均分到不同的機子上，而另一個則可能完全聚集到一個機子上，同時還可能存在具有相同數目的數據。比如我們要找出現次數最多的前100個，我們將1000萬的數據分布到10台機器上，找到每台出現次數最多的前 100個，歸並之後這樣不能保證找到真正的第100個，因為比如出現次數最多的第100個可能有1萬個，但是它被分到了10台機子，這樣在每台上只有1千個，假設這些機子排名在1000個之前的那些都是單獨分布在一台機子上的，比如有1001個，這樣本來具有1萬個的這個就會被淘汰，即使我們讓每台機子選出出現次數最多的1000個再歸並，仍然會出錯，因為可能存在大量個數為1001個的發生聚集。因此不能將數據隨便均分到不同機子上，而是要根據hash 後的值將它們映射到不同的機子上處理，讓不同的機器處理一個數值范圍。
而外排序的方法會消耗大量的IO，效率不會很高。而上面的分布式方法，也可以用於單機版本，也就是將總的數據根據值的范圍，劃分成多個不同的子文件，然後逐個處理。處理完畢之後再對這些單詞的及其出現頻率進行一個歸並。實際上就可以利用一個外排序的歸並過程。
另外還可以考慮近似計算，也就是我們可以通過結合自然語言屬性，只將那些真正實際中出現最多的那些詞作為一個字典，使得這個規模可以放入內存。
個人覺得同花順很好用，k線頁面清析明了，操作方便快捷。各項經典的常用技術指標也都有而且可以自己修改指標參數。基本面資料也很齊全。裡面還有股市學校和股市直播，可以學習到很多有用的知識，還有模擬炒股，登錄就送20萬模擬金，可以邊學習邊練習。
Ⅳ 急求！哪位懂股票的IT大神能用php代碼寫出RSI的演算法,最好帶有註解 謝謝
php RSI:
classRSI{
staticfunctionlag($period=14){
return$period;
}
staticfunctionrun($data,$period=14){
$change_array=array();
//loopdata
foreach($dataas$key=>$row){
//need2pointstogetchange
if($key>=1){
$change=$data[$key]['close']-$data[$key-1]['close'];
//addtofront
array_unshift($change_array,$change);
//popbackiftoolong
if(count($change_array)>$period)
array_pop($change_array);
}
//haveenoughdatatocalcrsi
if($key>$period){
//
$res=array_rece($change_array,function($result,$item){
if($item>=0)
$result['sum_gain']+=$item;
if($item<0)
$result['sum_loss']+=abs($item);
return$result;
},array('sum_gain'=>0,'sum_loss'=>0));
$avg_gain=$res['sum_gain']/$period;
$avg_loss=$res['sum_loss']/$period;
//checkdividebyzero
if($avg_loss==0){
$rsi=100;
}else{
//calcandnormalize
$rs=$avg_gain/$avg_loss;
$rsi=100-(100/(1+$rs));
}
//save
$data[$key]['val']=$rsi;
}
}
return$data;
}
}
Ⅳ php 如何製作K線圖，就是股市那種波浪圖
可以搜索下Highcharts ，建議搜索Highcharts中文網裡面有API文檔，各種DEMO，唯一的缺點就是中文文檔還在完善中.....
Highcharts 是一個用純JavaScript編寫的一個圖表庫， 能夠很簡單便捷的在web網站或是web應用程序添加有交互性的圖表，並且免費提供給個人學習、個人網站和非商業用途使用。HighCharts支持的圖表類型有曲線圖、區域圖、柱狀圖、餅狀圖、散狀點圖和綜合圖表。
http://www.hcharts.cn/demo/highstock.php?p=79
望採納 Thx
Ⅵ 怎麼利用php生成類似於股市的K線圖
可以用ECharts來實現，具體看官方文檔和demo
http://echarts..com/examples.html#chart-type-candlestick
Ⅶ 如何用php寫一個股票K線圖呢
唯恐獻丑於人前（PS：除了范師傅），一經是大妹妹呀。姑母曾經透露
Ⅷ php能做大數據分析嗎
數據挖掘現在用的比較多的是python。
數據分析這塊現在用的比較多的是scala。
php不適合做大數據分析
Ⅸ 怎麼學股票分析
新手如何學習股票技術分析基礎理論？
本文來自：理想論壇 www.55188.com 作者：藍海豚23 瀏覽906次 原文： http://www.55188.com/viewthread.php?tid=2812682 發本帖希望對新手學習技術分析有所幫助，同時也希望高手或老股民能把自己的學習歷程拿出來一起分享，交流心得。
技術分析對炒股的重要性相信入門者一定深有感觸，因為股評家們老是拿著一些技術分析的概念來做演講，其實技術分析的理論基礎大概有以下幾種，他們分別是隨機漫步理論、量價關系理論、道氏理論、循環周期理論、相反理論、波浪理論、K線理論、切線理論、形態理論。
一、K線理論 K線的組合應用：單根K線：以實體長短、陰陽，上下影線長短及實體長短與上下影線長短之間的關系等來推測行情 多根K線：以各根K線的相對位置和陰陽來推測行情。
二、隨機漫步理論 物理學中，有1種布朗運動，指的是分子的漫無目的的無規律運動。隨機漫步理論是布朗運動的延伸。該理論認為，證券的價格是隨機的。對一個在寬闊的廣場上漫無邊際行走的人來說，我們不知道他的下一步將走向哪個方向，一點相關的信息也沒有。隨機漫步理論對價格波動的認識也是這樣，價格下一步的起伏是沒有規律可循的。 隨機漫步理論認為，證券價格的波動是隨機的，象一個大廣場上行走的人一樣，價格的下一步將走向哪裡，是沒有規律的。證券市場中，價格的走向受到多方面因素的影響，一件不起眼的事情，也可能對市場產生影響。從實際的較長時間的價格走勢圖上可以看出，價格上下起伏的機會差不多是均等的。從這個意義上講，對一個特定的時間，可以認為價格的波動方向是隨機的。隨機漫步理論有一定的道理。但是，從另一方面看，證券價格畢竟不是「運動的分子」，證券有自身素質好壞的區別，有受外界因素影響程度的區別。價格的變化要受到一些因素制約，價格的波動不是一點規律都沒有，應該存在一定的規律，只不過我們還沒有充分地掌握這些規律性。例如，股票市場的價格指數整體上是上升的就是一個普遍的規律。隨機漫步理論是部分人對證券市場的看法之一，在一定的場合還是有道理的。在實際市場實踐中，要注意隨機漫步理論的存在。
三、切線理論 1、趨勢分析 趨勢方向：上升、下降、水平（無趨勢方向）趨勢類型（參見道氏理論） 2、支撐線（抵抗線）和壓力線（阻力線）
某一價位附近之所以形成對股價運動的支撐和壓力，主要由投資者的籌碼分布、持有成本以及投資者的心理因素所決定。支撐線和壓力線的作用：阻止或暫時阻止股價朝一個方向繼續運動（有被突破的可能）。支撐線和壓力線可相互轉化，條件是被有效的、足夠強大的股價變動突破。
確認支撐線和壓力線的依據： （1）股價在這個區域伴隨的成交量大小； （2）股價在這個區域停留時間的長短； （3）這個支撐區域或壓力區域發生的時間距離當前這個時期的遠近。――股價停留的時間越長，伴隨的成交量越大，離現在越近，則此支撐或壓力區域對當前影響就越大，反之就越小。
3、趨勢線與軌道線
趨勢線的作用： （1）對價格今後變動起約束作用。（2）趨勢線被突破後起反作用。越重要、越有效的趨勢線被突破，其股價走勢反轉信號越強烈，被突破的趨勢線原來所起的支撐和壓力作用將互換。
軌道線的作用： （1）限制股價的變動范圍。 （2）提出趨勢轉向的警報。 對軌道線的突破是趨勢加速的開始；如果在一次波動中未觸及到軌道線，離得很遠就開始掉頭，往往是趨勢將要改變的信號。軌道線的確認：軌道線被觸及次數越多，延續時間越長，其被認可的程度和重要性越高。先有趨勢線，後有軌道線。趨勢線可以單獨存在，軌道線則不能單獨存在。
4、黃金分割線和百分比線 共同特點：都是水平直線。注重支撐線和壓力線（相對固定，具有一般支撐線或壓力線的全部特徵和作用）的價位，對何時達到這個價位不過多關心。黃金分割線的關鍵數字：0.618；百分比線的關鍵數字：1／2，1／3，2／3
5、其他常見的支撐壓力點位 （1）整數點位和心理點位 （2）股票缺口 （3）成交密集區（成交量） （4）頸線 （5）歷史最高點與最低點
四、循環周期理論 我們知道，時間因素是進行技術分析所考慮的要點之一。循環周期理論所考慮的重點是價格波動的時間因素，為進行具體的實踐提供時間上的幫助。在具體使用的時候，有多種確定周期的方法，周期的時間跨度也有長有短。計算周期的方法有等時間跨度、特殊數字跨度、農歷節氣和節假日等。循壞周期理論認為，無論什麼樣的價格活動，都不會向一個方向永遠走下去。價格的波動過程必然產生局部的高點和低點，這些高低點的出現，在時間上有一定的規律。美國人在周期理論方面做了許多工作，發現了很多適合其證券市場的周期。從時間上看，證券市場的周期是相當長的，而這些長周期對我國證券市場的作用不大，因為我國的證券市場的時間大短了。事物的發展有一個從小到大和從盛到衰的過程，這種循環往復的發展規律在證券市場中也是存在的。循環周期理論認為，無論是何種程度和何種規模的價格波動，都不會朝一個方向永遠走下去，價格的波動過程必然產生局部的高點和低點。這些高點和低點的出現，在時間上有一定的規律。我們可以選擇低點出現的時間進入市場，在高點出現的時間退出市場。
五、相反理論 相反理論的出發點是基於這樣一個原則：證券市場本身並不創造新的價值，沒有增值，甚至可以說是減值的。正因為如此，不可能多數人獲利。 所以，要獲得大的利益，一定要同大多數人的行動不一致。其實，從相反理論中我們還可以體會到，事情發展到極限就會出現意想不到的相反結果。相反理論認為，大多數投資者看法一致的時候，有可能是錯誤的。該理論告訴我們，與大多數人的行動一致，是不可能發大財的。該理論已經存在了很久，道理並不復雜，人人似乎都明白，但沒有得到足夠的重視，真正應用該理論的人是不多見的。人們往往克服不了天生的從眾心理，而忘記使用相反理論。相反理論告訴我們逆眾操作也是可以獲得收益的。尤其當我們得到了一個「連傻瓜都能看出來」的結果時，應該想到還有相反理論存在。應該指出，相反理論只是告訴我們與大眾一致肯定不會獲得大的利益，並不是說與大眾的行動相反就一定能夠獲利。
六、道氏理論 道氏理論利用道·瓊斯工業股價平均數和鐵路股價平均數的分析與解釋來判斷股價的波動和走勢。道·瓊斯鐵路及工業股價平均數可以反映商品的運輸狀況和全國生產狀況。理論上，這兩種股價平均數上升時，說明各發行公司業績狀況較佳，股市將是多頭市場；這兩種股價指數下降時，說明各發行公司業績轉壞，股市將進入空頭市場。道氏理論是美國投資者預測股票市場價格漲落最常用的方法，也是最古老、最著名的技術分析理論之一。其基本原理由查爾斯·道（Charles.H.Dow）創立，並由納爾遜和漢密爾頓等人加以補充和發展。
（一）證券市場的三種運動 道氏理論認為證券市場上同時存在著三種運動。它們相互影響，共同決定著股價的走勢。
主要運動，又叫作主要趨勢，表示股票市場價格長期上漲趨勢，形成多頭市場（股價看漲）或長期下跌趨勢，形成空頭市場（股價看跌）。主要趨勢一經形成，通常持續一年或一年以上。漢密爾頓認為多頭市場的平均長度為27個月，空頭市場的平均長度為15個月。一般，在股價平均數波動起伏過程中，如果下一個股價平均數高峰高於前一個高峰，且下一個股價平均數低谷也高於前一個低谷，股價平均數長期呈現上漲走勢，那麼就可判定股市已進入了牛市，股市行情將是上漲。相反地，如果下一個股價平均數低谷低於前一個低谷，且下一個股價平均數高峰也低於前一個高峰，股價平均數長期呈現下跌走勢，那麼就可判定股市已進入了熊市，股價變動將以下跌為主。長期上升的趨勢通常又包括三個階段，也稱牛市一、二、三期。第一階段，有遠見的投資者看出股市上漲的前景，開始買進悲觀投資者拋售的股票，使股價徐徐上漲。此時，股票交易並非很活躍，但成交量已開始增加。第二階段，經濟前景更加明朗，公司經營業績已顯著好轉，股價穩步上漲，成交量也顯著增加。第三階段，利好消息不斷傳來，股市呈現一片大好形勢。投資者竟先購買股票，股價急速上升，成交量也大幅增加；企業趁機發行新股票，投機者也趁機哄抬股價。這使股價上漲達到高峰，是多頭市場快要結束的預兆。長期下跌趨勢通常也包括三個階段，又稱熊市一、二、三期。第一階段，有遠見的投資者預測股市前景不佳，開始拋售手中股票，使股價稍有下跌；一般投資者以為是上漲行情中的回檔整理，就趁機買進，使股價反彈。但畢竟是夕陽西下，成交量逐漸減少，股價也逐漸下跌。第二階段，股價下跌趨勢日漸明朗，買氣減弱，賣壓日增，交易量大幅度減少。但其間也可能在股價重跌之後出現次級運動的反彈現象。第三階段，市場上利空消息不斷傳來，股價持續暴跌，投資者紛紛拋售手中股票。但持續一陣後下跌趨勢變緩，某些績優股的市價走向平緩，只是投機股股價下跌較為劇烈。這是空頭市場快要結束的預兆。在股價主要趨勢的發展過程中，有時會回檔，暫時改變一下原來的走勢，然後又繼續原來的趨勢，這就是次要運動的影響。每一個主要趨勢中包含著多個次要運動。
2．次要運動。次要運動又叫作次要趨勢，指在主要趨勢中，股價持續上漲過程突然出現中期回跌現象，或者在股價持續下跌過程中突然出現的中期反彈現象。次要趨勢持續時間為兩周到一個月左右。次要運動與主要趨勢相配合，並在短時期內起相反方向的作用。次要運動一般可以調整一種主要趨勢的1／3、1／2或2／3。對於投資者來說，次要運動也很重要。在長期上漲趨勢中，中期回檔的次要運動，往往就是追加購股的好時機；在長期下跌趨勢中，中期反彈上漲的次要運動，又是投資者拋空的好時機。
3．日常運動。日常運動，指股價每天的小幅波動。這種運動不大重要，也很難預測，一般持續數小時至幾天。當然，分析人員也必須跟蹤每天的股價運動，這樣才能發現股價的主要趨勢或次要運動。
（二）兩種股價平均數的互證 道氏理論認為，股市的走勢只有在互證的情況下，才能明確地顯示出來。所謂互證，是指道·瓊斯鐵路和工業股價平均數向同一方向變動時，表示一個股價平均數被另一個股價平均數確認，則主要趨勢或次要運動便會產生；如果兩種股價平均數反向變動，就說明相互間不確認。互證現象可用兩種方法表示，第一種是兩種股價平均數同時出現新的高峰或新的谷底，可以用來判斷主要趨勢是牛市還是熊市；第二種是兩種股價平均數在小幅度的升降波動後，突然一同上升或下滑，主要用以判斷次級運動。1、在第一種方法下，兩種股價平均數出現新波峰後，又步步高升，而且同一時間內兩種指數出現的新高峰都超過以前的舊高峰時，如果股市原來是空頭市場，那麼可能轉為多頭市場；如果股市原來是多頭市場，那麼此股市仍為多頭市場。反之，兩種股價平均數出現的波谷不斷下跌，且同一時間內兩者的新谷底都低於以前的舊谷底時，若股市原來是多頭市場，那麼此時可能轉為空頭市場；若原來是空頭市場，那麼股市仍然為空頭市場。如果兩種股價平均數變動方向相反，那麼股價運動缺乏互證，無法判斷股市走勢。2、在第二種方法下，兩種股價平均數都小幅度波動，上下幅度一般不超過5％，期間可能持續數周。這種現象說明買賣雙方勢均力敵，股市起伏不大。當兩種股價平均數突然間同時突破原來的波動范圍，並同向變動時，股市將會有變化。如果兩者都上升，表示股市行情看漲；如果兩者都下降，表示股市行情看跌；如果兩者變動方向相反，說明未發生互證現象，無法判斷股市走勢。
七、形態理論 股價移動規律： （1）股價應在多空雙方取得均衡的位置上下來回波動；（2）原有的平衡被打破後，股價將尋找新的平衡位置。
持續整理、保持平衡→打破平衡→新的平衡→再打破平衡→再尋找新的平衡→……
股價移動的兩種形態類型：持續整理形態、反轉突破形態
（一）反轉突破形態 1、頭肩形態 （1）頭肩頂、（2）頭肩底、（3）復合頭肩形態（左右肩部或頭部出現多於一次） 相同點：都是長期趨勢的轉向形態。突破頸線，反轉形態形成。從突破點算起，股價至少將反轉與形態高度（頭到頸線的直線距離）相等的距離。左肩與右肩高點大致相等；成交量在左肩最大，頭部次之，右肩成交量最小，呈梯狀遞減。 區別：頭肩頂反轉向下，往往出現在長期趨勢頂部；頭肩底反轉向上，往往出現在長期趨勢底部。頸線在頭肩頂形態中是支撐線，在頭肩底形態中是壓力線。*頭肩頂形態與頭肩底形態在成交量配合方面的最大區別：頭肩頂形態完成後，向下突破頸線時，成交量不一定放大；頭肩底形態向上突破頸線，若沒有較大成交量出現，可靠性將大為降低，甚至可能出現假頭肩底形態，這種情況在大家炒股是一定要十分的警戒。
朋友你看是否有用、、、、
Ⅹ PHP網頁中如何嵌入股票走勢圖 哪位大俠知道啊
股票走勢圖一般用FLASH生成的 . PHP 從資料庫取出數據 , 然後生成固定格式的XML , 把XML用JS提交給 FLASH , 生成圖形表 . 一般都是這么做的 , 就是說 , 首先要有數據 , 一般是 時間 對應數值這樣的數據 , 然後用FLASH 獲取數據 生成走勢圖 , 完成!