简介《甘氏矩阵图价格推算[汇编].pdf》是一份面向金融投资与技术分析学习者的甘氏理论实用教程可作为金融软件开发人员理解行情分析逻辑的参考资料。文档从矩阵图的基本构造切入系统讲解数字的螺旋排列与“1”作为基数的起算方式梳理四组关键角度数字线角线、水平线、垂直线所代表的支撑压力与多空动能区并结合实例说明大数推算与价格区间的应用适合从入门到进阶的股票、期货和外汇交易者按章节学习。压缩包仅包含1个PDF文件大小约4.01MB内容集中阅读时无需额外安装或查找关联资料。目前已有342人学习下载适合希望在技术分析中建立客观推断框架、减少情绪干扰的投资者参考。掌握后可借助固定数字矩阵识别市场关键拐点与未来价格区间形成稳定的复盘和交易决策路径弥补传统指标滞后性与电脑图形失真的局限提升中长线趋势研判能力。1. 甘氏矩阵图价格推算到底在算什么一个起点、两条线、一组目标价很多做技术分析的朋友第一次打开“甘氏矩阵图价格推算[汇编].pdf”时第一反应是这图到底是玄学还是数学我刚开始也这么想。实际上它既不是玄学也不是纯数学而是一套把价格与时间统一到一个螺旋方格上的映射规则。矩阵图的核心逻辑很简单把一个显著价格当成起点对价格开方然后沿着外圈角度线加上不同的步长因子再平方回去得到一组目标价。支撑位、压力位、回调位都可以从这个口径推出来。我会从推算原理、手算步骤、Excel和Python模板一路拆到五个高频踩坑点让你看完就能对着行情自己算一遍而不是对着PDF瞎猜。2. 矩阵图的结构与推算原理从数字螺旋到角度线映射2.1 数字螺旋的排布规则中心1到外圈每一格甘氏矩阵图有一个固定起点最中心填数字1然后以顺时针方向向外绕圈。1的右边是2右上角是3正上方是4左上角是5左侧是6左下角是7正下方是8右下角是9这是第一圈。接着10紧挨着2继续向外绕直到第一圈结束时正好是9。第二圈从10到25第三圈从26到49每圈的最后一个数字都是奇数平方1、9、25、49、81……以此类推。这个排布看起来像是手工填出来的游戏但它有两个确定性的数学特征。第一个特征每一圈数字的数量是8、16、24、32……也就是8的倍数递增。第一圈有8个数第二圈16个第三圈24个。第二个特征如果从中心出发沿某一条对角线向外数数字之间的平方根差值始终是整数。例如从中心向右下角这条对角线依次是1、9、25……它们都是奇数平方相邻两个数的平方根恰好差1这一规律向外无限延续。所以矩阵图不是随机排列它是一个把价格的“平方根”均匀展开在二维平面上的工具。任何一个价格P只要对它开方然后按照当前数字在螺旋中的位置找到坐标就能知道它与前后数字的关系。后面所有的推算都依赖这一点价格先取平方根再在矩阵里做加减法最后平方回到价格。常见的误区是拿矩阵图里的数字直接当目标价比如看到对角线附近有“36”就觉得价格会到36。正确用法是关注数字之间的平方根差。因为价格的波动不是线性的20涨到36涨了16块但36到49只涨13块就已经完成了同样的“一格”。矩阵图用平方根把这种非线性摊平让每一圈、每一格对应的风险回报比例保持一致。2.2 角度线的本质平方根上的均匀步长矩阵图里的角度线不是随便画的。以中心为圆心将一圈分为8等分每45度一条线从中心向外延伸。这些角度线穿过的数字在数学上有一个共同点如果把它们开方其小数部分会落在一组固定的值附近。也就是说数字本身是螺旋递增的但平方根沿着任意一条角度线是等步长递增的。这里的步长取决于角度旋转45度平方根增加0.25旋转90度增加0.5旋转180度增加1.0旋转360度回到原位增加2.0。下表是常用角度与平方根增量的对应关系角度平方根增量典型含义45°0.25极短线回调/反弹90°0.5短期关键位135°0.75波段支撑压力180°1.0多空反转位225°1.25强趋势延续270°1.5大级别目标315°1.75极端行情目标360°2.0完整周期结束为什么是0.25因为一圈有8个45度区间而一个完整旋转对应平方根加2所以45度就是2/80.25。这个规律非常稳定不随圈数变化。实操时不需要背角度线只需要记住180度对应1.0其他角度按比例折算即可。使用时有两点要注意。第一角度线有两种方向顺时针和逆时针。价格的平方根从起点开始顺时针旋转是向上推算阻力位逆时针旋转是向下推算支撑位。第二起点本身要放在矩阵图的核心位置。常见做法是先把起点价格开方把它看作一个位于中心附近的“虚拟格”然后以它为零点向外加步长。这样可以绕过机械地给整张矩阵编号直接计算任意价格。2.3 支撑与压力的推算公式起点价与目标价的关系基于上面的步长价格推算就变成一个很简单的公式。设起点价格为P它的平方根为S。如果行情向上未来目标价T由S加上若干步长再平方得到如果行情向下则用S减去若干步长。写成式子就是T (sqrt(P) n * 0.25)^2 向上 T (sqrt(P) - n * 0.25)^2 向下这里的n是角度线间隔数。比如想算90度目标n2180度目标n4。也可以直接写成 (sqrt(P) 角度因子)^2角度因子取上一节表格里的数值。举个例子。某品种从低点100启动sqrt(100)10。向上推算180度目标角度因子1.0得到 (101)^2121。这就是第一个阻力位。再向上90度因子0.5从121的平方根11继续加0.5得到 (110.5)^2132.25。注意这里不是从起点连续加两个90度那会得到 (101)^2121之后再加0.5得到132.25而是以前一个目标价为新起点逐级外推。这一个细节决定了推算结果是否连续。实际使用中我习惯先把历史上出现过的高低点都代入公式看它们的平方根是否落在同一组角度线上。如果一组价格的开方值都差不多落在同一条角度线的0.25倍整数位上说明当前品种的波动步长比较接近理论值公式可信度更高。反过来如果一组价格的开方值参差不齐那要么步长选错了要么该品种并不适合用矩阵图做价格推算强算只会翻车。这一部分内容比较抽象但它是后面所有模板和避坑点的基础。建议你手推一遍上面的100到121的例子再打开Excel验证一下会比直接看公式理解深得多。3. 手算、Excel与Python复现甘氏矩阵图最小可用推算模板3.1 手算四步法选定起点、开方、加步长、平方回价格先把矩阵图放一边从最原始的推算动作开始。手算只需要四步特别适合复盘时快速算支撑压力。第一步选定起点价。起点必须是行情里的显著价位比如前高、前低、整数关口。你可以同时选两个起点一个管上方目标一个管下方目标。第二步对起点开方。如果手边没有计算器可以用近似记忆比如最近的高点是225开方是15214的开方约14.6。第三步确定方向。准备向上推算阻力就用加法准备向下推算支撑就用减法。第四步选择角度因子并平方回价格。举个例子。假设某品种前高是225前低是196。从225往下找支撑sqrt(225)15。用180度因子1.0得到 (15-1)^2196正好是前低。这说明前低和前高之间恰好是一个完整的180度关系后面一旦突破196下个支撑可以继续用180度外推sqrt(196)14再减1得1313^2169。这里有个细节第二次推算时起点换成了196而不是继续从225减两次1.0。如果你从225减两次1.0得到 (15-2)^2169结果一样但换起点的写法更容易检查错误。下面是刚才这个例子的完整推算表起点价起点平方根角度/因子目标平方根目标价22515.0180° / 1.014.019619614.0180° / 1.013.016916913.090° / 0.512.5156.25156.2512.590° / 0.512.0144手算的难点在于判断该用哪个角度因子。我的习惯是梯度式使用第一步用大周期因子1.0或1.5找到大级别支撑第二步用0.5到0.75找次级位。不要一上来就四个角度一起算那样会得到一堆目标价等于没有目标价。先用一个方向、一个周期算出一个主要位置等行情走到附近再用其他角度细化。3.2 Excel模板一个公式生成一组目标价手算适合复盘但实时盯盘时需要快速批量算。Excel模板是最轻量的实现不需要编程能力。你用两行数据就能做出一张推算表。第一行放角度因子比如B1到F1依次是0.25、0.5、0.75、1.0、1.5。第一列放起点价比如A2到A4放三个候选起点。在B2输入下面的公式然后向右向下拖动填充(SQRT($A2)B$1)^2这个公式的含义是对$A2里的起点价开方加上B$1对应的角度因子再平方得到目标价。注意混合引号的使用$A2固定了列行可变B$1固定了行列可变。这样拖动时公式会自动匹配每一行的起点和每一列的角度因子。如果你要算下跌目标把公式里的加号改成减号就行或者另开一个区域写减法版本。表格生成后你会看到每个起点对应五个目标价。二三十个数字堆在一起会眼花我一般再套一个条件格式把与当前价格偏差在2%以内的格子标成红色。这样一眼就能识别即将到达的关键位。这个模板的适用范围很广但有一个前提角度因子必须按品种校准。同样是0.5在价格为100的品种上相当于涨10%在价格为1000的品种上只相当于涨1%。所以表格里的起点价最好取同周期的历史高低点保证同一行内的价格数量级一致。3.3 Python脚本直接计算目标价并验证角度线如果你不想开Excel或者要批量回测大量历史数据用Python会更顺手。下面的脚本很短但覆盖了矩阵图推算的两个核心动作从起点算目标价以及验证一组历史价格是否满足角度线关系。import math def gann_targets(start_price, steps8): 从起点价格出发按45度递增推算后续目标价。 参数: start_price: 起点价格 steps: 计算几条角度线默认8条即360度 返回: 目标价列表 base math.sqrt(start_price) targets [] for i in range(1, steps 1): factor i * 0.25 # 每条角度线对应0.25 target (base factor) ** 2 targets.append(target) return targets def verify_relationship(start_price, target_prices): 验证一组价格之间是否满足矩阵图角度线关系。 将目标价开方后与起点开方相减差值应为0.25的整数倍。 参数: start_price: 起点价格 target_prices: 待验证的价格列表 打印每个价格的验证结果OK表示在标准角度线上。 base math.sqrt(start_price) for p in target_prices: diff math.sqrt(p) - base ok abs(diff / 0.25 - round(diff / 0.25)) 1e-6 print(f{p:10.2f} sqrt{math.sqrt(p):8.4f} diff{diff:6.2f} {OK if ok else BAD}) if __name__ __main__: targets gann_targets(100) print(targets) verify_relationship(100, targets[:4])代码中的gann_targets函数直接完成了开方、加因子、平方的推算链。steps参数控制推算到360度还是只算几条线实战中常用4到8。verify_relationship函数的用途是校准历史数据如果某个价格与起点的平方根差不是0.25的整数倍说明该价格不在标准角度线上用它做目标价就容易出错。f-string输出里OK表示满足关系BAD表示不满足。参数说明steps取8时输出的是从45度到360度的8个目标价对应矩阵图一整圈。如果你只想看180度内的关键位steps取4即可。验证历史数据时起点选最近的显著低点候选价格选后续几个实际高低点如果多数BAD说明当前品种的主步长不是0.25需要重新校准不要硬套。4. 甘氏矩阵图推算避坑指南五个高频错误与排查方法4.1 现象目标价总是偏小/偏大怎么都对不上现象按公式算出的目标价和后续行情实际到达的位置总是差几个点甚至差一大截。复盘时无论怎么调角度因子都觉得别扭。原因最常见的是起点价选错了。有人拿当天开盘价当起点有人拿盘中任意波动价当起点还有人把复权前和复权后的价格混用。矩阵图的推算要求起点是完整的、被行情验证过的价格节点比如日线收盘价、周线高低点而不是任意一张分钟K线里的价格。另一个常见原因是把下跌目标用加法算了方向反了自然全错。解决先检查起点价格是否属于同一价格体系。如果是除权品种统一用后复权价计算得到一个目标价后再换算回当前盘面价。然后检查方向从高点往下找支撑用减法从低点往上找阻力用加法。最后用历史行情做回测找最近十次大级别高低点每次用前一个高点推算后一个低点计算误差百分比看平均误差是否在1%以内。误差大就换起点或换角度因子直到历史拟合稳定。注意别为了拟合历史而把因子调成小数点后两位的非标准值那样就失去了矩阵图的意义。4.2 现象角度线在K线图上画不出来无法对应支撑压力现象用矩阵图算出一串目标价画在K线图上却完全不像一条线。价格在这些位置没有明显反应或者反应太多每个价位都有毛刺。原因矩阵图给出的是一组离散的价格点位不是一条连续的趋势线。很多教程喜欢把角度线直接画在K线图上但那其实是把九方图的逻辑套到笛卡尔坐标上两者不兼容。矩阵图中同一个目标价同时包含时间与价格含义反应在K线上的方式往往是“价格在那个区域停留、震荡、转折”而不是精确触碰某条线。解决不要追求“精确到小数点后两位”的支撑压力。把目标价当成一个密度区间例如目标价121就观察118到124这个区间内的K线行为。如果价格在这个区间放量滞涨再结合其他指标确认比单纯等价格碰到121更有用。另外可以把多次推算的结果叠加用不同起点算出的目标价如果密集落在某个小区间该区间的有效性会显著高于任何单个目标价。4.3 现象时间窗口推算经常错过提前或延后现象用矩阵图推算的时间转折点要么提前几天到来要么延后几天才出现很少精确命中。原因矩阵图的价格推算和时间推算共用同一套螺旋结构但时间的单位不一样。价格用价格刻度时间用交易日、自然日、周K线数量。如果把角度因子直接照搬到时间上分母的周期长度不同自然对不齐。另外市场上的时间转折点会受节假日、跳空、消息面影响不可能像数学公式一样精确。解决做时间推算时把角度因子对应的时间周期拉宽。例如180度对应的1.0在日线上可以理解为“从起点之后第8到10个交易日”而不是精确到第9天。也可以把时间推算当作预警器当价格运行到矩阵图目标位附近同时时间上也到了关键窗口两个条件共振时才做决策。单独一个时间窗口不值得重仓押注否则你会被市场反复打脸。4.4 现象从盘中波动价格推算时来回翻车现象盘中价格忽上忽下用分钟级别高低点做起点算出的目标价频繁被突破导致连续止损。原因分钟级价格的噪声太大矩阵图的平方根关系对起点精度很敏感。假设起点价格是100平方根是10如果实际起点是100.5平方根是10.025看起来差别不大但经过一到两个角度因子外推并平方后目标价误差会被放大。盘中很多价格并不是真正的高低点只是市场噪声。解决用日线收盘后的高低点做起点。如果必须操作盘中至少用15分钟或1小时的级别且起点要满足两根以上K线的确认不要在价格正在快速变动时取点。还有一个土办法把盘中波动价代入公式如果算出的目标价在当日最高最低价之间反复穿越说明起点噪声太大果断放弃这次推算等日线定型再说。这个毛病我早年犯过很多次后来养成了“只看日线定起点”的习惯胜率才稳定下来。4.5 现象换品种后公式失效怀疑矩阵图是伪科学现象在一个品种上验证得很好换到另一个品种就完全不灵。尤其是从低价品种换到高价品种或者从股票换到商品期货同一组角度因子彻底失效。原因矩阵图的价格推算是百分比式的价格越高同样的平方根步长对应的价格波动越大。更重要的是不同品种的波动率周期不同一个品种的0.5因子可能对应20个交易日另一个品种可能只需要5个交易日。角度线本身是静态的但市场节奏是动态的直接搬公式自然失效。解决每个品种单独校准角度因子。做法是取该品种近一年的日线数据把每个高低点开方观察差值分布在0.25的多少倍上。如果多数高点间的平方根差是0.5的整数倍就用0.5作为主步长如果是0.75的整数倍就用0.75。校准完成后固定该品种的因子不要频繁改动。换品种时重新校准不要用经验值硬套。另外注意复权问题某些品种在除权后价格跳变平方根关系会被打破必须使用统一复权口径。5. 把矩阵图推算接到实时行情进阶用法与验证技巧矩阵图推算单独使用很容易陷入“事后看图都合理”的陷阱。我现在的做法是把它当成一个价格密度预测器而不是精确预言器。具体有三个习惯。第一个习惯多起点交叉验证。每次推算不只看单一高低点而是把最近三个显著高低点都代入公式得到三组目标价。然后把它们重叠在一起看如果有两组以上在同一个价位附近收敛这个价位就是高概率区域。这样能过滤掉单一起点带来的偏差。第二个习惯用平方根差分做起点筛选。把历史高低点都开方计算相邻高低点之间的平方根差值统计这些差值最常落在哪个0.25的倍数上。如果统计结果稳定在0.5附近那么当前品种的主步长就是0.5如果结果杂乱说明该品种不适合用矩阵图做价格推算直接放弃也不亏。我见过有人执着地在一个波动率极不规则的品种上硬套矩阵图结果连续止损其实问题不在图而在品种选择。第三个习惯和波动率指标配合。矩阵图给出的是静态目标位但行情在快速波动时一个目标位可能几个小时就冲到慢的时候要几周。我通常用ATR平均真实波幅把目标价转成“预期到达时间”目标价与当前价的差除以每日ATR大概就是走完这段需要的交易日数。如果矩阵图时间窗口和这个交易日数重合才动手。顺便说一个我的血泪教训以前我迷信180度是最强反转位固定用1.0因子推算所有品种连续错了三次才意识到因子必须按品种校准而且同一个品种在不同波动阶段步长也会变。现在我会每季度重新统计一次平方根差值分布并把这个分布当作参数表固化下来避免临时拍脑袋。矩阵图不是万能钥匙但它提供了一个比均线更稳定的价格坐标框架。把这个框架和K线形态、ATR放在一起看至少能让你不再在关键位置盲目操作。希望帮到你。本文还有配套的精品资源点击获取
简介《甘氏矩阵图价格推算[汇编].pdf》是一份面向金融投资与技术分析学习者的甘氏理论实用教程可作为金融软件开发人员理解行情分析逻辑的参考资料。文档从矩阵图的基本构造切入系统讲解数字的螺旋排列与“1”作为基数的起算方式梳理四组关键角度数字线角线、水平线、垂直线所代表的支撑压力与多空动能区并结合实例说明大数推算与价格区间的应用适合从入门到进阶的股票、期货和外汇交易者按章节学习。压缩包仅包含1个PDF文件大小约4.01MB内容集中阅读时无需额外安装或查找关联资料。目前已有342人学习下载适合希望在技术分析中建立客观推断框架、减少情绪干扰的投资者参考。掌握后可借助固定数字矩阵识别市场关键拐点与未来价格区间形成稳定的复盘和交易决策路径弥补传统指标滞后性与电脑图形失真的局限提升中长线趋势研判能力。1. 甘氏矩阵图价格推算到底在算什么一个起点、两条线、一组目标价很多做技术分析的朋友第一次打开“甘氏矩阵图价格推算[汇编].pdf”时第一反应是这图到底是玄学还是数学我刚开始也这么想。实际上它既不是玄学也不是纯数学而是一套把价格与时间统一到一个螺旋方格上的映射规则。矩阵图的核心逻辑很简单把一个显著价格当成起点对价格开方然后沿着外圈角度线加上不同的步长因子再平方回去得到一组目标价。支撑位、压力位、回调位都可以从这个口径推出来。我会从推算原理、手算步骤、Excel和Python模板一路拆到五个高频踩坑点让你看完就能对着行情自己算一遍而不是对着PDF瞎猜。2. 矩阵图的结构与推算原理从数字螺旋到角度线映射2.1 数字螺旋的排布规则中心1到外圈每一格甘氏矩阵图有一个固定起点最中心填数字1然后以顺时针方向向外绕圈。1的右边是2右上角是3正上方是4左上角是5左侧是6左下角是7正下方是8右下角是9这是第一圈。接着10紧挨着2继续向外绕直到第一圈结束时正好是9。第二圈从10到25第三圈从26到49每圈的最后一个数字都是奇数平方1、9、25、49、81……以此类推。这个排布看起来像是手工填出来的游戏但它有两个确定性的数学特征。第一个特征每一圈数字的数量是8、16、24、32……也就是8的倍数递增。第一圈有8个数第二圈16个第三圈24个。第二个特征如果从中心出发沿某一条对角线向外数数字之间的平方根差值始终是整数。例如从中心向右下角这条对角线依次是1、9、25……它们都是奇数平方相邻两个数的平方根恰好差1这一规律向外无限延续。所以矩阵图不是随机排列它是一个把价格的“平方根”均匀展开在二维平面上的工具。任何一个价格P只要对它开方然后按照当前数字在螺旋中的位置找到坐标就能知道它与前后数字的关系。后面所有的推算都依赖这一点价格先取平方根再在矩阵里做加减法最后平方回到价格。常见的误区是拿矩阵图里的数字直接当目标价比如看到对角线附近有“36”就觉得价格会到36。正确用法是关注数字之间的平方根差。因为价格的波动不是线性的20涨到36涨了16块但36到49只涨13块就已经完成了同样的“一格”。矩阵图用平方根把这种非线性摊平让每一圈、每一格对应的风险回报比例保持一致。2.2 角度线的本质平方根上的均匀步长矩阵图里的角度线不是随便画的。以中心为圆心将一圈分为8等分每45度一条线从中心向外延伸。这些角度线穿过的数字在数学上有一个共同点如果把它们开方其小数部分会落在一组固定的值附近。也就是说数字本身是螺旋递增的但平方根沿着任意一条角度线是等步长递增的。这里的步长取决于角度旋转45度平方根增加0.25旋转90度增加0.5旋转180度增加1.0旋转360度回到原位增加2.0。下表是常用角度与平方根增量的对应关系角度平方根增量典型含义45°0.25极短线回调/反弹90°0.5短期关键位135°0.75波段支撑压力180°1.0多空反转位225°1.25强趋势延续270°1.5大级别目标315°1.75极端行情目标360°2.0完整周期结束为什么是0.25因为一圈有8个45度区间而一个完整旋转对应平方根加2所以45度就是2/80.25。这个规律非常稳定不随圈数变化。实操时不需要背角度线只需要记住180度对应1.0其他角度按比例折算即可。使用时有两点要注意。第一角度线有两种方向顺时针和逆时针。价格的平方根从起点开始顺时针旋转是向上推算阻力位逆时针旋转是向下推算支撑位。第二起点本身要放在矩阵图的核心位置。常见做法是先把起点价格开方把它看作一个位于中心附近的“虚拟格”然后以它为零点向外加步长。这样可以绕过机械地给整张矩阵编号直接计算任意价格。2.3 支撑与压力的推算公式起点价与目标价的关系基于上面的步长价格推算就变成一个很简单的公式。设起点价格为P它的平方根为S。如果行情向上未来目标价T由S加上若干步长再平方得到如果行情向下则用S减去若干步长。写成式子就是T (sqrt(P) n * 0.25)^2 向上 T (sqrt(P) - n * 0.25)^2 向下这里的n是角度线间隔数。比如想算90度目标n2180度目标n4。也可以直接写成 (sqrt(P) 角度因子)^2角度因子取上一节表格里的数值。举个例子。某品种从低点100启动sqrt(100)10。向上推算180度目标角度因子1.0得到 (101)^2121。这就是第一个阻力位。再向上90度因子0.5从121的平方根11继续加0.5得到 (110.5)^2132.25。注意这里不是从起点连续加两个90度那会得到 (101)^2121之后再加0.5得到132.25而是以前一个目标价为新起点逐级外推。这一个细节决定了推算结果是否连续。实际使用中我习惯先把历史上出现过的高低点都代入公式看它们的平方根是否落在同一组角度线上。如果一组价格的开方值都差不多落在同一条角度线的0.25倍整数位上说明当前品种的波动步长比较接近理论值公式可信度更高。反过来如果一组价格的开方值参差不齐那要么步长选错了要么该品种并不适合用矩阵图做价格推算强算只会翻车。这一部分内容比较抽象但它是后面所有模板和避坑点的基础。建议你手推一遍上面的100到121的例子再打开Excel验证一下会比直接看公式理解深得多。3. 手算、Excel与Python复现甘氏矩阵图最小可用推算模板3.1 手算四步法选定起点、开方、加步长、平方回价格先把矩阵图放一边从最原始的推算动作开始。手算只需要四步特别适合复盘时快速算支撑压力。第一步选定起点价。起点必须是行情里的显著价位比如前高、前低、整数关口。你可以同时选两个起点一个管上方目标一个管下方目标。第二步对起点开方。如果手边没有计算器可以用近似记忆比如最近的高点是225开方是15214的开方约14.6。第三步确定方向。准备向上推算阻力就用加法准备向下推算支撑就用减法。第四步选择角度因子并平方回价格。举个例子。假设某品种前高是225前低是196。从225往下找支撑sqrt(225)15。用180度因子1.0得到 (15-1)^2196正好是前低。这说明前低和前高之间恰好是一个完整的180度关系后面一旦突破196下个支撑可以继续用180度外推sqrt(196)14再减1得1313^2169。这里有个细节第二次推算时起点换成了196而不是继续从225减两次1.0。如果你从225减两次1.0得到 (15-2)^2169结果一样但换起点的写法更容易检查错误。下面是刚才这个例子的完整推算表起点价起点平方根角度/因子目标平方根目标价22515.0180° / 1.014.019619614.0180° / 1.013.016916913.090° / 0.512.5156.25156.2512.590° / 0.512.0144手算的难点在于判断该用哪个角度因子。我的习惯是梯度式使用第一步用大周期因子1.0或1.5找到大级别支撑第二步用0.5到0.75找次级位。不要一上来就四个角度一起算那样会得到一堆目标价等于没有目标价。先用一个方向、一个周期算出一个主要位置等行情走到附近再用其他角度细化。3.2 Excel模板一个公式生成一组目标价手算适合复盘但实时盯盘时需要快速批量算。Excel模板是最轻量的实现不需要编程能力。你用两行数据就能做出一张推算表。第一行放角度因子比如B1到F1依次是0.25、0.5、0.75、1.0、1.5。第一列放起点价比如A2到A4放三个候选起点。在B2输入下面的公式然后向右向下拖动填充(SQRT($A2)B$1)^2这个公式的含义是对$A2里的起点价开方加上B$1对应的角度因子再平方得到目标价。注意混合引号的使用$A2固定了列行可变B$1固定了行列可变。这样拖动时公式会自动匹配每一行的起点和每一列的角度因子。如果你要算下跌目标把公式里的加号改成减号就行或者另开一个区域写减法版本。表格生成后你会看到每个起点对应五个目标价。二三十个数字堆在一起会眼花我一般再套一个条件格式把与当前价格偏差在2%以内的格子标成红色。这样一眼就能识别即将到达的关键位。这个模板的适用范围很广但有一个前提角度因子必须按品种校准。同样是0.5在价格为100的品种上相当于涨10%在价格为1000的品种上只相当于涨1%。所以表格里的起点价最好取同周期的历史高低点保证同一行内的价格数量级一致。3.3 Python脚本直接计算目标价并验证角度线如果你不想开Excel或者要批量回测大量历史数据用Python会更顺手。下面的脚本很短但覆盖了矩阵图推算的两个核心动作从起点算目标价以及验证一组历史价格是否满足角度线关系。import math def gann_targets(start_price, steps8): 从起点价格出发按45度递增推算后续目标价。 参数: start_price: 起点价格 steps: 计算几条角度线默认8条即360度 返回: 目标价列表 base math.sqrt(start_price) targets [] for i in range(1, steps 1): factor i * 0.25 # 每条角度线对应0.25 target (base factor) ** 2 targets.append(target) return targets def verify_relationship(start_price, target_prices): 验证一组价格之间是否满足矩阵图角度线关系。 将目标价开方后与起点开方相减差值应为0.25的整数倍。 参数: start_price: 起点价格 target_prices: 待验证的价格列表 打印每个价格的验证结果OK表示在标准角度线上。 base math.sqrt(start_price) for p in target_prices: diff math.sqrt(p) - base ok abs(diff / 0.25 - round(diff / 0.25)) 1e-6 print(f{p:10.2f} sqrt{math.sqrt(p):8.4f} diff{diff:6.2f} {OK if ok else BAD}) if __name__ __main__: targets gann_targets(100) print(targets) verify_relationship(100, targets[:4])代码中的gann_targets函数直接完成了开方、加因子、平方的推算链。steps参数控制推算到360度还是只算几条线实战中常用4到8。verify_relationship函数的用途是校准历史数据如果某个价格与起点的平方根差不是0.25的整数倍说明该价格不在标准角度线上用它做目标价就容易出错。f-string输出里OK表示满足关系BAD表示不满足。参数说明steps取8时输出的是从45度到360度的8个目标价对应矩阵图一整圈。如果你只想看180度内的关键位steps取4即可。验证历史数据时起点选最近的显著低点候选价格选后续几个实际高低点如果多数BAD说明当前品种的主步长不是0.25需要重新校准不要硬套。4. 甘氏矩阵图推算避坑指南五个高频错误与排查方法4.1 现象目标价总是偏小/偏大怎么都对不上现象按公式算出的目标价和后续行情实际到达的位置总是差几个点甚至差一大截。复盘时无论怎么调角度因子都觉得别扭。原因最常见的是起点价选错了。有人拿当天开盘价当起点有人拿盘中任意波动价当起点还有人把复权前和复权后的价格混用。矩阵图的推算要求起点是完整的、被行情验证过的价格节点比如日线收盘价、周线高低点而不是任意一张分钟K线里的价格。另一个常见原因是把下跌目标用加法算了方向反了自然全错。解决先检查起点价格是否属于同一价格体系。如果是除权品种统一用后复权价计算得到一个目标价后再换算回当前盘面价。然后检查方向从高点往下找支撑用减法从低点往上找阻力用加法。最后用历史行情做回测找最近十次大级别高低点每次用前一个高点推算后一个低点计算误差百分比看平均误差是否在1%以内。误差大就换起点或换角度因子直到历史拟合稳定。注意别为了拟合历史而把因子调成小数点后两位的非标准值那样就失去了矩阵图的意义。4.2 现象角度线在K线图上画不出来无法对应支撑压力现象用矩阵图算出一串目标价画在K线图上却完全不像一条线。价格在这些位置没有明显反应或者反应太多每个价位都有毛刺。原因矩阵图给出的是一组离散的价格点位不是一条连续的趋势线。很多教程喜欢把角度线直接画在K线图上但那其实是把九方图的逻辑套到笛卡尔坐标上两者不兼容。矩阵图中同一个目标价同时包含时间与价格含义反应在K线上的方式往往是“价格在那个区域停留、震荡、转折”而不是精确触碰某条线。解决不要追求“精确到小数点后两位”的支撑压力。把目标价当成一个密度区间例如目标价121就观察118到124这个区间内的K线行为。如果价格在这个区间放量滞涨再结合其他指标确认比单纯等价格碰到121更有用。另外可以把多次推算的结果叠加用不同起点算出的目标价如果密集落在某个小区间该区间的有效性会显著高于任何单个目标价。4.3 现象时间窗口推算经常错过提前或延后现象用矩阵图推算的时间转折点要么提前几天到来要么延后几天才出现很少精确命中。原因矩阵图的价格推算和时间推算共用同一套螺旋结构但时间的单位不一样。价格用价格刻度时间用交易日、自然日、周K线数量。如果把角度因子直接照搬到时间上分母的周期长度不同自然对不齐。另外市场上的时间转折点会受节假日、跳空、消息面影响不可能像数学公式一样精确。解决做时间推算时把角度因子对应的时间周期拉宽。例如180度对应的1.0在日线上可以理解为“从起点之后第8到10个交易日”而不是精确到第9天。也可以把时间推算当作预警器当价格运行到矩阵图目标位附近同时时间上也到了关键窗口两个条件共振时才做决策。单独一个时间窗口不值得重仓押注否则你会被市场反复打脸。4.4 现象从盘中波动价格推算时来回翻车现象盘中价格忽上忽下用分钟级别高低点做起点算出的目标价频繁被突破导致连续止损。原因分钟级价格的噪声太大矩阵图的平方根关系对起点精度很敏感。假设起点价格是100平方根是10如果实际起点是100.5平方根是10.025看起来差别不大但经过一到两个角度因子外推并平方后目标价误差会被放大。盘中很多价格并不是真正的高低点只是市场噪声。解决用日线收盘后的高低点做起点。如果必须操作盘中至少用15分钟或1小时的级别且起点要满足两根以上K线的确认不要在价格正在快速变动时取点。还有一个土办法把盘中波动价代入公式如果算出的目标价在当日最高最低价之间反复穿越说明起点噪声太大果断放弃这次推算等日线定型再说。这个毛病我早年犯过很多次后来养成了“只看日线定起点”的习惯胜率才稳定下来。4.5 现象换品种后公式失效怀疑矩阵图是伪科学现象在一个品种上验证得很好换到另一个品种就完全不灵。尤其是从低价品种换到高价品种或者从股票换到商品期货同一组角度因子彻底失效。原因矩阵图的价格推算是百分比式的价格越高同样的平方根步长对应的价格波动越大。更重要的是不同品种的波动率周期不同一个品种的0.5因子可能对应20个交易日另一个品种可能只需要5个交易日。角度线本身是静态的但市场节奏是动态的直接搬公式自然失效。解决每个品种单独校准角度因子。做法是取该品种近一年的日线数据把每个高低点开方观察差值分布在0.25的多少倍上。如果多数高点间的平方根差是0.5的整数倍就用0.5作为主步长如果是0.75的整数倍就用0.75。校准完成后固定该品种的因子不要频繁改动。换品种时重新校准不要用经验值硬套。另外注意复权问题某些品种在除权后价格跳变平方根关系会被打破必须使用统一复权口径。5. 把矩阵图推算接到实时行情进阶用法与验证技巧矩阵图推算单独使用很容易陷入“事后看图都合理”的陷阱。我现在的做法是把它当成一个价格密度预测器而不是精确预言器。具体有三个习惯。第一个习惯多起点交叉验证。每次推算不只看单一高低点而是把最近三个显著高低点都代入公式得到三组目标价。然后把它们重叠在一起看如果有两组以上在同一个价位附近收敛这个价位就是高概率区域。这样能过滤掉单一起点带来的偏差。第二个习惯用平方根差分做起点筛选。把历史高低点都开方计算相邻高低点之间的平方根差值统计这些差值最常落在哪个0.25的倍数上。如果统计结果稳定在0.5附近那么当前品种的主步长就是0.5如果结果杂乱说明该品种不适合用矩阵图做价格推算直接放弃也不亏。我见过有人执着地在一个波动率极不规则的品种上硬套矩阵图结果连续止损其实问题不在图而在品种选择。第三个习惯和波动率指标配合。矩阵图给出的是静态目标位但行情在快速波动时一个目标位可能几个小时就冲到慢的时候要几周。我通常用ATR平均真实波幅把目标价转成“预期到达时间”目标价与当前价的差除以每日ATR大概就是走完这段需要的交易日数。如果矩阵图时间窗口和这个交易日数重合才动手。顺便说一个我的血泪教训以前我迷信180度是最强反转位固定用1.0因子推算所有品种连续错了三次才意识到因子必须按品种校准而且同一个品种在不同波动阶段步长也会变。现在我会每季度重新统计一次平方根差值分布并把这个分布当作参数表固化下来避免临时拍脑袋。矩阵图不是万能钥匙但它提供了一个比均线更稳定的价格坐标框架。把这个框架和K线形态、ATR放在一起看至少能让你不再在关键位置盲目操作。希望帮到你。本文还有配套的精品资源点击获取
知识建站
内容驱动
阅读友好版式
SEO 精细化
线索转化