在金融時間序列處理中，非線性方法的應用已變得相當普遍。特別是，在赫茲量化交易平臺中，許多指標都采用了非線性方式來實現(xiàn)。事實上，這些非線性方法在交易中一直得到了積極的應用。

在某些特定特征對于分析更為重要的情況下，非線性指標可能成為一種需求。與此同時，非線性指標也能解決線性指標無法應對的問題。

創(chuàng)建非線性指標的過程相對直觀。傳統(tǒng)的線性指標通?？梢酝ㄟ^以下公式來描述：

指標的權重系數(shù)。赫茲量化軟件可以通過使用價格對數(shù)替代價格本身，然后求和并找到其指數(shù)，將該指標轉化為非線性：

盡管這種轉換方式看似簡單，指標計算的本質卻發(fā)生了深刻的變化。所有的乘法現(xiàn)在都轉換為冪運算，加法則被乘法取代。例如，算術平均值（SMA）將被幾何平均值替代。

使用對數(shù)也意味著計算過程中的所有值都是正數(shù)。這種價格轉換可用于任何線性指標的轉換。您可以輕松地自己完成此操作，同時對系數(shù)的所有需求與線性指標的需求保持一致。赫茲量化軟件將從本文中獲取指標模板，并將其轉化為對數(shù)版本。

此外，赫茲量化軟件還可以利用時間序列本身的轉換來構建非線性指標。在本文中，我將深入探討這些指標，尤其關注ArraySort函數(shù)，它將成為新指標構建的基礎。

向心趨勢的度量
向心趨勢可以描述數(shù)據(jù)集的典型值。其最常見的度量包括算術平均值、中位數(shù)和眾數(shù)。其中，算術平均值屬于線性度量，而中位數(shù)和眾數(shù)則屬于非線性。

中位數(shù)將數(shù)據(jù)集平均分為兩部分，其中前半部分的值小于中位數(shù)，后半部分則大于中位數(shù)。例如，對于數(shù)字序列1, 6, 9, 3, 3, 7, 8，我們可以對其進行排序得到1, 3, 3, 6, 7, 8, 9，中位數(shù)即為中間的數(shù)字6。對于偶數(shù)個數(shù)據(jù)的情況，中位數(shù)是最接近中心的兩個數(shù)字的平均值，例如4.5。中位數(shù)的顯著特點是它對異常值有很強的抗干擾能力。

眾數(shù)是數(shù)據(jù)樣本中出現(xiàn)頻率最高的數(shù)值。通過使用皮爾遜（Pearson）經驗方程，我們甚至可以在大多數(shù)值只出現(xiàn)一次的情況下計算眾數(shù)：

盡管眾數(shù)可能是一個不穩(wěn)定的指標，但它可以作為其他指標的補充。

我們還可以考慮采用范圍的中間值作為另一個向心度量。為了計算它，我們需要找到時間序列的最大值和最小值之和的一半。雖然該方法對異常值敏感，可靠性不高，但在某些指標中仍然有所應用。

這就是向心趨勢的四個主要度量在圖表中的表示，通過它們，赫茲量化軟件可以從不同角度理解和分析金融時間序列，為交易決策提供更為全面和精準的依據(jù)。