什么是费舍尔变换？
费舍尔变换的定义
费舍尔变换是一种在技术分析中使用的数学变换，用于将时间序列转换为新的尺度，使其极值（以及潜在的转折点）比原始数据更清晰地显现出来。在外汇市场中，它通常应用于从价格派生出的序列（例如，基于近期高点和低点的数值）。
一个关键点是，费舍尔变换并不是一个独立的“预测引擎”。它将输入序列的信息重新塑形为输出序列。该输出是否对解释有用，取决于其计算方式（尤其是回看窗口长度），以及基础资产和时间框架的市场行为。
它的工作原理：机制的简化模型
在许多常见形式中，费舍尔变换通常遵循以下一般步骤：
-
计算滚动位置度量：在选定的回看窗口内，该方法估算当前输入值在近期范围内的相对位置（通常基于该窗口内的最高高点和最低低点）。这会产生一个有界的度量值（例如，在典型设计下介于 −1 和 +1 之间）。
-
应用非线性映射：然后使用一种在有界度量边界附近快速增长的非线性函数。这种处理的效果是将极端情况在变换后的尺度上进一步放大。
-
生成变换后的输出序列：随着新K线的加入和滚动窗口的更新，变换后的值随时间演变。
你可以将费舍尔变换视为对基于范围的输入的一种“对比度增强器”：它试图使近期范围内的异常位置更加明显。由于它是对滚动归一化的变换，当波动率、范围宽度或市场状态发生变化时，其行为也可能随之改变。
示例直觉（含明确假设）
假设你将费舍尔变换应用于一个由价格派生的序列，并使用固定的回看窗口，且不作任何实时数据假设（仅使用已有历史K线进行计算）。同时假设在该窗口期间，市场保持在一个相对稳定的范围结构内。
- 当当前值处于近期范围的中间附近时，有界位置度量将接近中心。经过非线性步骤后，变换后的输出通常仍接近中心水平。
- 当当前值移动到近期范围的上边界或下边界附近时，有界位置度量接近极值。非线性映射随后放大差异，因此变换后的输出往往表现出更大的幅度变化。
这种直觉并不能保证“大幅变化”就对应着可盈利的反转。它仅解释了该变换如何改变信息的尺度。
需要考虑的局限性和失效模式
-
对窗口长度的依赖性：回看窗口控制着滚动的高低范围。较长的窗口使行为更平滑；较短的窗口反应更快，但可能对噪声更敏感。
-
对市场状态的敏感性：费舍尔变换依赖于近期的范围关系。在波动率和范围结构快速变化的市场中，即使价格行为大致相似，变换后的输出也可能发生性质上的变化。
-
输入选择的重要性：如果你更改了底层输入序列（例如，使用不同的价格字段或不同的范围位置定义方式），费舍尔变换的输出可能会显著不同。
-
数据和执行的影响：即使计算方法相同，实际结果也可能受到点差、滑点以及数据采样方式的影响。该变换本身并不模拟这些影响。
-
历史无法保证未来：在过去数据中观察到的关系，并不能证明在新条件下会重复出现相同行为。
实践中一个重要的局限是，费舍尔变换可以帮助可视化极端值，但如果在没有严格、可测试规则的情况下，将这些极端值解释为“转折点”，可能导致结论不一致。
如何独立验证费舍尔变换的事实
为了在不依赖他人说法的前提下验证费舍尔变换的行为，你可以：
- 使用你的确切定义（包括窗口长度和具体的有界位置度量）从历史K线重新计算它。
- 检查当改变窗口长度以及波动率扩张/收缩时，变换后的序列如何变化。
- 比较在不同市场特征时期的结果。