1. 怎麼測股票數據
您好
您說的其實就是道氏理論，也稱道氏方法，是指以道·瓊斯股價平均數作研究對象，來觀察和預測股價走勢的一種股價分析理論。這種理論是技術分析的先驅。其基本原理是認為股價的運動有三種趨勢：基本趨勢、次級趨勢和日常趨勢，並且這三種趨勢只有在互證的情況下，才能明確地顯示出來。
1．三種趨勢論 （1）基本趨勢。基本趨勢又叫長期趨勢，是指股價全面、普遍地上升或下降，其幅度超過20％，持續時間達一年或一年以上的變動情形。基本趨勢對證券市場的股價影響力最大，同時也是道氏方法的核心和精華所在。基本趨勢，又包括長期上漲趨勢即多頭市場和長期下跌趨勢即空頭市場。 ①多頭市場。當股價的基本趨勢呈持續上揚態勢時，便形成了多頭市場。
具體來說，多頭市場又可分為三個階段：第一階段為低檔盤整階段。這一階段的股價一般都較低，由於以前股價的下降。加上上市公司的財務狀況也很一般，所以廣大投資者對股票的買賣不感興趣，股票交易比較清淡，股市處在低迷階段。
在此階段，只有極少數有遠見的股民開始購進股票，同時，一部分持股者也看到股價上漲的苗頭，惜股不賣，從而使成交量減少，一般只有正常成交量的20％左右。這樣，股價開始復甦並緩慢地上漲。 第二階段為上升階段。由於企業盈利進一步增加，經濟形勢好轉，前景逐漸明朗，從而促進股票價格開始持續、穩定地上升，並導致成交量的增加。
第三階段為高漲階段。在這一階段，所有的消息都對股市極其有利，都被理解為利多消息。股民爭先購買股票，股市的上漲，使投機盛行，而投機反過來又推波助瀾地使股價扶搖直上。這時的股票，不僅投資價值高的漲到了相當的高度，而且原來價格很低的冷門股，也由於投機的因素而身價倍增。這種情形的持續發展，將醞釀著一場風暴，使股市進入空頭市場。
②空頭市場。空頭市場是股價呈不斷下跌趨勢的市場，它也分為三個階段： 第一階段為高檔盤整階段。這一階段，股價在較高的點位上盤整，並逐漸呈現下降的趨勢。這一階段起著承前啟後的作用，它實際上在多頭市場的最後階段就已經開始。在這一階段，就成交量來說並未減少，甚至略有增加，但股價的漲幅已日趨縮小，直至最後結束。因此整個股市的購買氣氛已經冷卻下來。
第二階段為恐慌階段。股市下跌的跡象已越來越明顯，多空雙方的力量對比已發生了方向性的逆轉，空方已佔明顯優勢，股價開始急劇下跌。為了避免更大的損失，持股者競相拋售股票，以致出現多殺多的現象。到了這一階段的後期，由於股價下跌幅度過大、過快，持股者反而寧願套牢，也不願低價脫手，從而使股市的供求關系得到緩解。因此，股價可能會反彈，但由於股市前景暗淡，股價在反彈後又開始繼續下跌。
第三階段為持續階段。進入這一階段後，各種股票的價格都在爭相下跌，但其程度不一。一般來說，績優股下跌得比較平穩，但投資價值較低的投機股則跌得很慘。這個階段，由於股價在繼續下跌，購買者很少，又由於股價過低，持投者惜售，因而交易量不大，有的股票甚至出現在正常交易日里無成交記錄的現象。這樣，當股價下跌到足夠低的水平時，一些投資者又入市重新購買，從而使股價出現逆轉，重新進入多頭市場。 （2）次級趨勢。次級趨勢也叫中期趨勢，是指連續三周以上，半年以內的股價變動情形。
次級趨勢和基本趨勢有著比較密切的關系： ①次級趨勢的變動幅度，一般是基本趨勢的1/3或2/3。 ②當次級趨勢下跌時，若谷底比上次高，則表明基本趨勢是上升的；當次級趨勢上升時，若其頂峰比上次低，則表明基本趨勢是下跌的。
（3）日常趨勢。日常趨勢又叫短期趨勢，是指連續六天左右的股價變動情形。它可能是人為操縱而形成的，也可能是其他偶然性因素所引起的，因此，日常趨勢很難預測。日常趨勢與次級趨勢的關系是，三個或三個以上的日常趨勢就構成一個次級趨勢。 上述股價變動的三種趨勢，可以用下圖來表示它們之間的相互關系。
2．三種趨勢的互證法
（1）兩種趨勢（即股票指數）同時出現新的高峰或新的谷底，即可看出基本趨勢是進入了多頭市場還是空頭市場。當兩種股票指數都出現高峰，且在同一時間內，兩者的新高峰都高過以前的舊高峰時，則表示多頭市場已經來到。反之，在兩種股價指數都出現了低谷，且股價節節下挫，即為進入空頭市場的兆頭。但是，若兩種股票指數背道而馳，則無法判斷股價走勢。
（2）兩種趨勢（即股票指數）在盤整一段時期後，突然上升或下降，即可看出次級趨勢的發展。當兩種股票指數都在某一狹窄范圍內盤旋，其波動幅度不超過5％，期間則可能持續數星期。當兩種股票指數突然同時穿透這一范圍往上升時，則股價將會上漲，否則，股價將會下跌。同樣，若兩者變動方向相反，也無法判斷其股價走勢。
希望您採納。下面是我原創的網路經驗一共十六期，您的所有問題都在裡面了。
http://jingyan..com/article/066074d67e1651c3c21cb0cd.html
http://jingyan..com/magazine/4329
http://jingyan..com/magazine/5582
http://jingyan..com/magazine/6277
http://jingyan..com/magazine/7499
http://jingyan..com/magazine/7440
http://jingyan..com/magazine/13887
2. 如何對數據進行測試
首先看數據的來源，數據的來源一般來講有三個個，一個是根據被測系統需求的分析，針對正常業務，異常情況，邊界情況等來構建完整的數據，又稱為「造」數據。這不僅僅包括最基本的基礎數據，比如：用戶、許可權、配置、基礎編碼、原數據等，還包括上面提到的業務數據。這對於比較小型的系統來說還是可行的，對於大型的系統來說可能就是一個巨大的工程了。
第二種方式就是利用現有系統，這適合已有類似系統，測試是針對升級或者增加功能的產品化的系統。這種情況把已經在生產環境中運行的數據導出。在此基礎上再進行數據的整理、加工為測試數據。
還有一種方式就是將現有非電子化的業務數據錄入到系統中，在驗證業務的同時也完成了測試數據的積累。即邊測試邊積累數據。但是這種情況積累的數據往往有一定局限性，因為已經發生的業務數據基本是正確的、一致的，而且可能缺少某些特定業務的數據（不常發生的業務）。這樣就需要根據對測試需求的分析，追加新的測試數據，以便能完整覆蓋業務類型。
確定好數據來源後，還需要對已有數據進行分析、驗證、檢查，保證數據的質量，數據的質量一般要滿足測試需求、覆蓋被測業務、覆蓋測試邊界，以及要滿足完整性、一致性等要求。檢查完後要整理和完善數據，清除無用和冗餘的數據、補錄不完整的數據，修改一些錯誤的數據。
經過整理好的數據要納入配置管理，以後根據需求和變更要進行數據的維護和更新，以保證滿足系統測試的要求。
3. 人類是如何測出這些數據的
先是對星體一些能夠觀測得進行觀測，比如公轉周期，軌跡，積累了大量數據。後來一個叫開普勒的小子提出了行星運動的三大定律。後來又出來了一個叫牛頓的牛人，發現了萬有引力定律。於是一些不能觀測的量，如質量就可以算出來了。而且牛頓那小子還發明了可以看得很遠的折射望遠鏡。看到了一些原先看不到的星體。在後來衛星就上天了，不知道那位仁兄讓衛星帶瞭望遠鏡，於是有看到了許多不知道的東西。
4. 界面統計數據如何測試
數據准確性測試 報表測試的系統分為兩類，一類是業務系統中，帶有統計分析功能模塊，該模塊中包含分析報表，這個系統的主體是業務系統，報表是為辦理業務的而提供幫助的。比如說，應年檢統計報表，某月應交罰款車輛統計報表
5. 如何進行測試數據的判斷與處理
邏輯判斷，這個更要有耐心，如果你本來就是個挺有邏輯的人，就好辦點，不然得注意思維的層次，和善於發現題乾和備選答案的共性。圖案那個比較麻煩就是得靠你悟性了
6. 用360如何測系統數據、
用魯大師即可
7. 電力系統中怎麼產生量測數據啊
主系統電信號的取得：在變電所母線、線路兩端和其它主要設備上都接有互感器，主要分為電流互感器和電壓互感器。前者從主系統中取出電流信號，後者則取出電壓信號，再接入各種儀表，就能產生數據了。互感器的工作原理，與變壓器相似，差別在於變壓器除了要進行電壓轉換，還要傳遞能量，而互感器容量極小，其目的是為了取得信號。
主系統其它信號：利用感測器。如果變壓器升，溫度感測器；導線線夾、接頭發熱，紅外測溫儀；......
還有各種離線檢測技術與方法，很多都是大家常見的，——如進行絕緣材料的耐壓試驗、各種安全距離的測量、油化試驗、氣體檢測等，對設備進行各種各樣的量測，每天都產生大量的數據。
8. 資料庫如何進行查詢，如何進行資料庫測試
對於今天測試方面的提高一直很模糊，但最近整理好了思路。今年重點還是在資料庫的測試方向上下手吧，因為我們公司的資料庫中數據准確性非常重要，希望能提高自己對這一方面的工作經驗吧。
前期一直進行資料庫的測試，大約3個月。也總結了一些測試經驗，拿出來與大家共享。
1、資料庫日誌查看測試法。這個方法是跟一個oracel DBA的老師學習的。呵呵。就是你在前台操作時，比如按一下新增按鈕。新增一條數據，這是觀察資料庫中的日誌，通過對日誌的查看來明確數據的流向。從而來測試數據的正確性。當然這種方法需要測試人員本人對oracle資料庫的日誌很熟悉，水平很高，對數據表結構也有大體的了解。目前我還沒有做到這一點，這是我今後的發展方向。
2、介面數據的測試方法。這個方法也是跟開發人員學習來的。當2個系統之間有介面時，介面傳輸中數據的正確性非常重要。這時候可以將系統1中與介面有關的數據提取出來形成臨時表；將系統2中與介面有關的數據提取出來形成臨時表。比對2個表的介面數據的一致性。通過這種方法可以發現介面數據是否一致。當然，直接在前台看2個系統的數據是否一致也是很好的方法之一。
3、數據測試的統計方法。這個方法可以同方法2組合使用，當一個系統試運行了一段時間後，可以統計系統一個月內或2個月內的數據，查看數據的正確性。因為由於數據流向的復雜性，導致我們測試數據正確性時很難能覆蓋到所有的情況。這時就可以採用統計法來測試。
4、對報表參數的整理測試法。對每個前台頁面需要呈現的或生成的參數，整理一個計算方法。即此參數與後台哪些表相關，是怎麼生成的。我們測試人員需要對前台呈現的每個參數都明白他的數據流向，但是有時候在文檔不起全的情況下，沒辦法明白整個的測試流程。所以需要我們自己進行每個參數的數據流向整理。
上面是總結的4條測試方法，可能還不齊全，希望大家一起來補充。還有一點是當頁面查詢沒有任何數據時，這時候一定要弄清楚為什麼沒有任何數據，是不是有bug才沒有數據的。好了，嘮叨這么多。希望大家多提建議吧。
9. 教你如何測試數據倉庫
分析源文件與其它項目一樣，測試數據倉庫部署時，通常都會有一份相關的說明文件。雖然這些文件對於創建基本的測試策略非常有用，但經常會缺少一些關於測試開發與執行的詳細資料。有時會有一些其它文件解釋技術上的細節問題，即從源到目標的轉化(source-to-target mappings)說明文件。這些文件詳細說明了數據的來源、如何對數據進行操作，以及存儲到哪裡。如果能拿到這些文件，關於系統設計的文件在設計測試策略時也會變得更加有用。 開發策略和測試計劃 分析了各種各樣的源文件後，就要開始創建測試策略。我發現從生命周期和質量的角度來看，增量測試是測試數據倉庫的最好辦法。這從本質上意味著開發團隊會從開發過程的早期開始，將各種小組件交付給測試團隊。這個辦法的主要優點是避免交付讓人吃驚的大塊組件，可以從早期開始檢驗缺陷，並使調試變得簡單。此外，這個方法還有助於在開發與測試周期中建立詳細的過程。具體到數據倉庫測試，即是對數據獲取分段表，然後是增量表、基本的歷史表格、BI視圖等的測試。 另一個制定數據倉庫測試策略的主要問題是基於分析(analysis-based)的測試方式和基於查詢(analysis-based)的測試方式的選擇。純基於分析的方法是讓測試分析師通過分析目標數據和相關標准計算出預期結果。基於查詢的方法有相同的基本分析步驟，但更進一步，用SQL查詢語言編寫預期結果。這為將來建立回歸測試過程節省了很大精力。如果測試是一次性的，那麼用基於分析的方式就足夠了，因為通常這種方式較快一些。反之，如果企業對回歸測試有持續的需求，那麼基於查詢的方式會更為合適。 測試的開發與執行 不管在測試執行過程之前還是之後進行測試的開發，要根據上行需求的穩定性和分析過程決定。如果情況變動比較頻繁，那麼早期進行的測試開發可能大部分都會被廢棄。這種場合，實時進行的整合的測試開發和執行過程通常會更有效果。不管怎樣，在設計測試開發和執行過程的框架時，參考一下測試分類總是有用的。比如，一些數據倉庫的測試分類可能有： 記錄計數(預期與實際對比) 副本記錄 參考數據有效性 參照完整性 錯誤與異常邏輯 增量過程與歷史過程 控制欄值與默認值 除這些分類外，還可以參考缺陷分類學，比如Larry Greenfield的分類。 測試執行時，准確的狀態報告過程是經常被忽略的一個方面。在確定團隊里的其他人明白你的方法的前提下，測試分類和測試進度可以保證他們對測試狀態也有一個清楚的概念。有了詳細的規劃並堅持到底，以及良好的溝通，就能建立一個數據倉庫測試過程，幫助項目團隊取得滿意的成果。
10. 怎樣測試數據分析結果的正確性
但是真正接觸後，發現這確實是一個好東西，但是讓它真正發揮作用要建立在分析結果的正確性上。
做ETL多長時間，這個問題就困擾了我多長時間，因為往往我們做出來的數據，不知道其正確與否，也就不能真正的為客戶發生作用，而客戶是要根據這些結果來了解客戶情況的，所以我有的時候甚至會想，如果因為給了客戶一個錯誤的結果，而得出錯誤的決策，那不就得不償失了。