多指标确认是如何计算的（通用方法）
直接答案
多指标确认是通过将多个指标的输出合并为一个决策变量来计算的。一种常见且通用的方法是：（1）从价格数据中计算每个指标的读数，（2）将每个读数转换为标准化信号值（如方向 +1/0/−1 或归一化分数），（3）可选地应用权重，（4）当合并值满足一致规则（如阈值或所需达成一致的指标数量）时，宣布“确认”。
由于不同平台对“多指标确认”这一术语的实现方式不同，可验证的部分是你所选择的方法：确切的公式、从指标输出到信号值的转换规则、权重、阈值以及用于指标计算的时间窗口。
机制或定义
1) 指标输出不可直接比较
大多数指标产生的输出具有不同的量纲和单位。例如，一个指标可能输出以零为中心的震荡器，而另一个指标输出以价格单位衡量的移动平均差值。因此，多指标方法需要一个转换步骤，将每个指标输出映射到一个共享的表示形式。
两种广泛使用的表示选择是：
- 方向编码：每个指标变为离散值，如 +1（看涨/正向）、0（中性）或 −1（看跌/负向）。
- 缩放评分：每个指标变为连续分数，例如在 −1 到 +1 之间的归一化数值，根据该指标在其典型范围内的相对位置计算得出。
2) 回看窗口和时间规则
指标通常需要一个 回看周期（使用多少根过去的K线/柱）和一个 时间规则（是否使用最新完成的K线，是否将信号前移一根K线以避免使用未来信息等）。为了独立验证，你必须明确：
- 在哪个时间戳评估合并结果，
- 每个指标的“当前”K线是哪一根，
- 每个指标的回看/周期参数。
3) 一致规则（“确认”步骤）
一旦每个指标都被表示为标准化信号值，就可以使用一致规则来计算确认。常见的通用形式包括：
- 加权和 + 阈值：计算合并得分并与截止值比较。
- 达成一致的指标数量：要求至少 K 个指标在相同方向上达成一致。
以下是与许多“确认”实现概念相符的一般加权和公式（你仍需在你的源系统中确认确切的选择）。
4) 通用公式
假设你组合了 N 个指标。
- 将每个指标输出转换为标准化信号值：
- (s_i \in [-1, +1])（或 (s_i \in {-1,0,+1})）。
- 选择权重：
- (w_i \ge 0)。通常权重被归一化使得 (\sum_i w_i = 1)，但如果相应调整阈值，则非必需。
- 计算合并确认得分：
- (C = \sum_{i=1}^{N} w_i, s_i).
- 应用一致阈值以分类确认：
- 示例规则：当 (C \ge T) 时确认“正向”，当 (C \le -T) 时确认“负向”，否则分类为未确认。
如果你的方法使用计数规则，则可计算：
- (A = \sum_{i=1}^{N} 1{\text{指标 } i \text{ 看涨}}) 然后当 (A \ge K) 时宣布看涨确认。类似地可对看跌确认进行计数。
证据或示例（如何自行验证计算）
由于此处未假设实时数据，目标是展示如何使用你自己的历史数据和选定的指标参数独立复现该数学过程。
示例设置（完全指定的假设）
假设：
- 你组合了 N = 3 个指标。
- 每个指标转换为方向编码 (s_i \in {-1,0,+1})。
- 权重相等：(w_1 = w_2 = w_3 = 1/3)。
- 确认使用阈值 (T = 1/3)。
- 你在某个特定K线时间点进行评估，此时每个指标已完成其所需的回看周期。
假设在该时间点的标准化信号为：
- 指标1：(s_1 = +1)
- 指标2：(s_2 = +1)
- 指标3：(s_3 = -1)
计算确认得分：
- (C = (1/3)(+1) + (1/3)(+1) + (1/3)(-1) = 1/3).
应用规则：
- 由于 (C = 1/3) 且 (T = 1/3)，在此示例中合并结果符合正向确认。
现在仅更改一个假设以观察敏感性：
- 如果第三个指标为中性（(s_3 = 0)），则 (C = 2/3)，仍为正向确认。
- 如果改为设置更严格的阈值 (T = 2/3)，则前述情况将变为“未确认”。
这说明了实际计算的内容：从指标输出到 (s_i) 的映射，然后是加权组合，最后是阈值决策。
指标设置如何进入计算
如果一个指标使用更长的回看周期，其输出将比短周期的滞后或更平滑，从而在每次评估时间改变 (s_i)。因此，即使使用相同的 (C) 公式，确认结果也可能因指标周期设置而改变。
局限性和风险（重大失效模式）
1) 分歧和中性区域
如果指标频繁分歧（一些看涨，一些看跌），合并得分 (C) 可能徘徊在零附近并无法通过阈值测试。方向编码也会产生 中性 状态；根据你对中性的定义，可能会出现大量“无确认”结果。
2) 滞后和重绘式时间问题
基于移动平均、滤波器或多步计算的指标可能会延迟响应。如果实现允许指标值在K线收盘后发生变化（例如，由于其数据来源或更新方式），那么你历史计算的确认值可能与实时生成的值不同。独立验证需要锁定规则：你将哪根K线视为最终结果，以及评估时使用哪些数据。
3) 噪音、相关指标和虚假一致
一些指标基于相似的价格输入构建（可能存在统计相关性）。组合相关指标并不能保证独立确认；你可能会因它们都对同一潜在走势做出反应而获得高一致性。在这种情况下，确认指标可能比实际信息内容显得更具决定性。
4) 成本和执行影响未包含在数学中
(C) 的计算（基于指标输出）不包括成本、点差、滑点或执行限制。因此，即使一种方法在数学上分类为“确认”，也无法考虑交易摩擦。这限制了确认概念映射到实际结果的能力。
5) 阈值选择是一种建模假设
阈值 (T)（或所需计数 (K)）是一种主观建模选择。不同的阈值会显著改变分类频率。