DEA的原理
是对决策单元（DMU）进行相对评价时最常用的方法之一，是运筹学、管理科学和数理经济学交叉研究的一个新的领域，它由著名的运筹学家Charnes等人于1978年提出，主要思想是通过数学规划计算比较被评价机构之间的相对效率。简单说就是把待决策单元与参考决策单元进行比较得到相对效率。
功能：一些模型都可以看作是处理具有多个输入（输入越小越好）和多个输出（输出越大越好）的多目标决策问题的方法。可以证明，DEA有效性与相应的多目标规划问题的pareto有效解（或非支配解）是等价的。数据包络分析（即DEA）可以看作是一种统计分析的新方法。它是根据一组关于输入－输出的观察值来估计有效生产前沿面的。在经济学和计量经济学中，估计有效生产前沿面，通常使用统计回归以及其它的一些统计方法，这些方法估计出的生产函数并没有表现出实际的前沿面，得出的函数实际上是非有效的。
什么是 DEA评价法
数据包络分析（DEA）简介
在人们的生产活动和社会活动中常常会遇到这样的问题：经过一段时间之后，需要对具 有相同类型的部门或单位（称为决策单元）进行评价，其评价的依据是决策单元的“输入”数 据和“输出”数据，输入数据是指决策单元在某种活动中需要消耗的某些量，例如投入的资金 总额，投入的总劳动力数，占地面积等等；输出数据是决策单元经过一定的输入之后，产生 的表明该活动成效的某些信息量， 例如不同类型的产品数量， 产品的质量， 经济效益等等． 再 具体些说，譬如在评价某城市的高等学校时，输入可以是学校的全年的资金，教职员工的总 人数，教学用房的总面积，各类职称的教师人数等等；输出可以是培养博士研究生的人数， 硕士研究生的人数，大学生的人数，学生的质量（德，智，体），教师的教学工作量，学校 的科研成果（数量与质量)等等．根据输入数据和输出数据来评价决策单元的优劣，即所谓 评价部门（或单位）间的相对有效性． 1978 年由著名的运筹学家 A.Charnes,W.W.Cooper 和 E.Rhodes 首先提出了一个被称 为数据包络分析（Data Envelopment Analysis，简称 DEA）的方法，去评价部门间的相对 有效性（因此被称为 DEA 有效）．他们的第一个模型被命名为 CCR 模型．从生产函数角 度看， 这一模型是用来研究具有多个输入、 特别是具有多个输出的“生产部门”同时为“规模有 效”与“技术有效”的十分理想且卓有成效的方法.1984 年 R.D.Banker,A.Charnes 和 W.W.Cooper 给出了一个被称为 BCC 的模型.1985 年 Charnes,Cooper 和 B.Golany, L.Seiford, J.Stutz 给出了另一个模型（称为 CCGSS 模型），这两个模型是用来研究生产部 门的间的“技术有效”性的．1986 年 Charnes，Cooper 和魏权龄为了进一步地估计“有效生 产前沿面”，利用 Charnes, Cooper 和 K.Kortanek 于 1962 年首先提出的半无限规划理论， 研究了具有无穷多个决策单元的情况，给出了一个新的数据包络模型——CCW 模型．1987 年 Charnes, Cooper，魏权龄和黄志民又得到了称为锥比率的数据包络模型——CCWH 模 型． 这一模型可以用来处理具有过多的输入及输出的情况， 而且锥的选取可以体现决策者的 “偏好”．灵活的应用这一模型，可以将 CCR 模型中确定出的 DEA 有效决策单元进行分类或 排队等等．这些模型以及新的模型正在被不断地进行完善和进一步发展． 上述的一些模型都可以看作是处理具有多个输入（输出越小越好）和多个输出（输入越 大越好）的多目标决策问题的方法．可以证明，DEA 有效性与相应的多目标规划问题的 pareto 有效解（或非支配解）是等价的．数据包络分析(即 DEA)可以看作是一种统计分析 的新方法． 它是根据一组关于输入－输出的观察值来估计有效生产前沿面的． 在经济学和计 量经济学中，估计有效生产前沿面，通常使用统计回归以及其它的一些统计方法，这些方法 估计出的生产函数并没有表现出实际的前沿面， 得出得函数实际上是非有效的． 因为这种估 计是将有效决策单元与非有效决策单元混为一谈而得出来的．在有效性的评价方面，除了 DEA 方法以外，还有其它的一些方法，但是那些方法几乎仅限于单输出的情况．相比之下， DEA 方法处理多输入，特别是多输出的问题的能力是具有绝对优势的．并且，DEA 方法不 仅可以用线性规划来判断决策单元对应的点是否位于有效生产前沿面上， 同时又可获得许多 有用的管理信息．因此，它比其它的一些方法（包括采用统计的方法）优越，用处也更广泛．
数据包络分析是运筹学的一个新的研究领域．Charnes 和 Cooper 等人的第一个应用 DEA 的十分成功的案例，是在评价为弱智儿童开设公立学校项目的同时，描绘出可以反映 大规模社会实验结果的研究方法．在评估中，输出包括“自尊”等无形的指标；输入包括父母 的照料和父母的文化程度等， 无论哪种指标都无法与市场价格相比较， 也难以轻易定出适当 的权重（权系数），这也是 DEA 的优点之一． DEA 的优点吸引了众多的应用者，应用范围已扩展到美国军用飞机的飞行、基地维修与 保养，以及陆军征兵、城市、银行等方面．目前，这一方法应用的领域正在不断地扩大．它 也可以用来研究多种方案之间的相对有效性（例如投资项目评价）；研究在做决策之前去预 测一旦做出决策后它的相对效果如何 （例如建立新厂后， 新厂相对于已有的一些工厂是否为 有效)．DEA 模型甚至可以用来进行政策评价． 最引人注目的研究是把 DEA 与其它评价方法进行比较．例如将 DEA 应用于北卡罗来纳 州各医院的有效性评价． 已有的按计量经济学方式给出的回归生产函数认为， 此例中不存在 规模收益．DEA 的研究发现，尽管使用同样的数据，回归生产函数不能象 DEA 那样正确测 定规模收益．其关键在于（a）DEA 和回归方法虽然都使用给定的同样数据，但使用方式不 一样；（b）DEA 致力于每个单个医院的优化，而不是对整个集合的统计回归优化．在其它 的研究中，例如在评价医院经营有效性时，将 DEA 与马萨诸塞州有效性评定委员会使用的 比例方法进行了比较，当使用模拟方法对 DEA 进行检验后认为，尽管由回归函数产生的数 据有利于回归方法的使用，但是 DEA 方法显得更有效． DEA 方法和模型，以及对 DEA 方法的理解和应用还在不断的发展和深入．除了上面提 到的新的模型 BCC、CCGSS、CCW 和 CCWH 模型外，在具体使用 DEA 方法时，例如“窗 口分析”方法， DEA 的应用范围拓广到动态情形； DEA 应用于决策单元为私人部门 使 将 （商 业公司）时，各决策单元之间存在着激烈的相互竞争作用等情况．
什么是dea投影原理
我们用一个包括五个DMU（公司）的简单例子阐述规模报酬不变投入主导型的数据包络分析。每个DMU都是两投入一产出，数据如下：
表 1规模报酬不变的DEA例子数据
这个例子的投入产出比率在数据6中绘出，同时还汇出了DEA的同等式12对应的前沿。我们可以记在心里，然而，这个DEA前沿是对5个DMU每个都计算一次线性规划的结果。例如，对于DMU3我们可以这样重新书写等式12.
minθ,λθ,
st -y3+(y1λ1+y2λ2+y3λ3+y4λ4+y5λ5)≥0,
θx13-(x11λ1+x12λ2+x13λ3+x14λ4+x15λ5)≥0,
θx23-(x21λ1+x22λ2+x23λ3+x24λ4+x25λ5)≥0,
λ≥0, （14）
whereλ=(λ1,λ2,λ3,λ4,λ5)′.
θ和λ的值在表2第三行中提供了最小的θ值。我们注意到DMU3的技术效率值是0.833。DMU3可以在不减少产出的情况下将投入降低16.7%。这就意味着应该在数据6的 3’点生产。这个估计点3’在DMU2和DMU5的连线上，它被认为是点3的对应点。他们定义了前沿相关部分的所在（例如与DMU3相关的）也就定义了DMU3的效率生产点。点3’是点2和点5的线性组合，线性组合的权重就是表2第三行的λ值。
数据 6
规模报酬不变投入主导型DEA例子
表2
规模报酬不变投入主导型DEA的结果
很多研究都讨论目标和对应点。DMU的目标也就是对应的效率投影点3’。这等于0.833×(2,2)= (1.666,1.666)。因此，DMU3要得到3单元的产出就得要用3×(1.666,1.666)=(5,5)单元的两种投入
人们可以对其他各个无效率的DMU进行类似的讨论。DMU4的效率指数是0.714，同DMU3一样有类似的对应点。DMU1的效率指数是0.5，DMU2就是他的效率的对应点。我们可以注意到，DMU1的估计点在效率部分的上端，这个效率部分平行于x2的轴。因此，它不代表效率点（根据Koopman的定义。）因为我们可以减低投入x2的0.5个单位（因此生产点就在点2）仍旧能得到相同数量的产出。因此DMU1可以说为投入放射性浪费了50%，并且有0.5单元的x2的（非放射性）投入松弛变量。这就导致了目标(x1=1,x2=2)。那就是相对应的点2.
3.2 The Variable Returns to Scale Model (VRS)and Scale Efficiencies 规模收益变化模型（VRS）和规模效率
CRS的假设仅仅在所有的DMU都在最优的规模上运作的时候才合适（例如：LRAC曲线上的一个相应的平面部分）。不完全竞争和约束，财务等等，可能导致DMU不在最合适的规模上运作。Banker,Charnes and Cooper(1984)拓展了规模报酬不变的DEA模型为规模报酬变化的情形。当DMU没有在最优的规模上运作的时候，CRS说明书的使用可能会导致技术效率的测度被规模效率所混淆。VRS模型说明书将会允许剔除规模效率影响的技术效率的计算。
CRS线性规划模型可以通过增加凸性约束很容易的修改成VRS模型。对等式12增加的凸性约束为：N1’λ=1 可以得到，
minθ,λθ,
st -yi+Yλ≥0,
θxi-Xλ≥0,
N1’λ=1
λ≥0, （15）
N1是所有的N×1的矩阵。这种方法形成了一个凸面，他能够比CRS的圆锥形的面更紧密的包络所有的数据，因此获得的技术效率比使用CRS模型获得的技术效率高或者是相等的。VRS规说明书是20世纪最受欢迎的说明书。
Calculation of Scale Efficiencies 规模效率的计算
许多研究把从CRS模型获得的技术效率分解成了两部分，一部分是因为规模无效率，一部分是因为纯技术无效。这可以在相同的数据上通过实施CRS和VRS两个DEA模型来做到。如果对于一个特定的DMU，两个技术效率不同，这就证明这个DMU存在规模无效。规模无效可以通过VRS的技术效率和CRS的技术效率的不同来计算。
数据7试图阐述这一问题。在这个数据里面我们有一投入一产出的例子，并且我们画出了VRS和CRS的效率前沿。在CRS的投入主导型技术无效里，P点的距离是PPC，而在VRS模型里技术无效是PPV。两者的不同PCPV，就是规模无效率。我们可以用比率效率测度来表示这些。
TEI,CRS=APC/AP
TEI,VRS=APV/AP
SEI=APC/APV
所有的这些测度都在0~1之间。我们也可以注意到，
TEI,CRS=TEI,VRS×SEI
因为
APC/AP=(APV/AP)×(APC/APV).
这就是CRS的技术效率可以分解称纯技术效率和规模效率。
数据 7
DEA中规模经济的计算
规模效率方法的一个缺点就是他的值不能反映DMU是否运行在规模报酬递增或者规模报酬递减的领域里。这可以通过运行一个非规模报酬递增（NIRS）的额外的DEA模型来确定。这可以通过改变等式15的DEA模型来做到，将等式15的N1’λ=1的限制替换成N1’λ≤1可以得到
minθ,λθ,
st -yi+Yλ≥0,
θxi-Xλ≥0,
N1’λ≤1
λ≥0, （16）
NIRS DEA前沿在数据7中绘出。一个DMU的规模无效率（例如：由于规模递增或者规模递减）的类型可以通过看NIRS的技术效率值与VRS的技术效率值是否一致确定。如果不相等（就是数据7点P 的例子），那么这个DMU就存在规模报酬递增。如果他们相等（就是数据7点Q的例子），规模报酬递减适用。An example of this approach applied to international airlines is provided in BIE(1994). BIE(1994)提供的国际航线的例子适用于这个方法。
Example 2例子2
这是一个简单的包括5个公司的例子，每个公司都用一种单一的投入生产单一的产品。数据在表3中列出，VRS和CRS投入主导型DEA模型的结果在表4中列出，在数据8中画出。假设我们使用投入主导型，效率通过数据8可以水平的测出。当我们假设是规模报酬不变的时候，我们观测到公司3是唯一的有效率的公司（在DEA的效率前沿上），但是当我们假设规模报酬变化的时候，公司1，3，5都是有效的。
不同的效率方法的计算可以通过使用公司2来展示，因为公司2在CRS和VRS两种模型下技术效率都是无效的。
CRS的技术效率等于2/4=0.5，VRS的技术效率是2.5/4=0.625，规模效率等于CRS的技术效率和VRS的技术效率的比率，那就是0.5/0.625=0.8。我们也可以观察到，公司2在VRS的效率前沿的规模报酬递增阶段。
表 3
规模报酬变化的DEA模型的例子数据
表 4
VRS投入主导型DEA的结果
数据8
VRS投入主导型DEA例子
3.3 Input and Output Orientations 投入和产出主导型
在上面的投入主导型模型里面，我们在3.1和3.2部分讨论过的，这个模型试图把技术无效定义为按比例降低浪费的投入。这相当于Farrell基于投入方法计算的技术无效。正如在2.2部分所讨论的，我们也可能把技术无效作为按比例的增加产出来计算。在规模报酬不变的情况下两种方法的值是相同的，但是当规模报酬变化的时候就是不相同的（见数据3）。假设线性规划模型不会受到联立方程偏见这样的统计问题。合适方向的选择不会像计量经济学的估计例子那样至关重要。在很多的研究中，分析都倾向于投入主导型模型，因为很多的DMU有特别的命令需要满足（比如发电）。因此投入的数量看起来是主要决定的变量，尽管这个论点可能不是在所有的工业中都是强烈的。在一些工业中，DMU可能给定了固定数量的资源，被要求生产尽可能多的产出。在这种情况下，产出主导型就是比较合适的。必要的是我们选择方向的根据是那些数量是管理者能最大限度的控制的。进一步讲，在很多情况下，你会发现方向的选择会对得到的数据产生微弱的影响。(e.g.see Coelli and Perelman 1996).
产出主导型的模型和投入主导型的模型非常的相似。考虑下面的产出主导型的VRS模型的例子。
maxφ,λφ,
st -φyi+Yλ≥0,
xi-Xλ≥0,
N1’λ=1
λ≥0, （17）
其中1≤φ<∞，φ-1就是第i个DMU在保持投入数量不变的前提下，产出所能增加的比例。注意，φ-1定义了在0~1之间变动的技术效率指数（这就是DEAP软件得出的产出主导型的技术效率）一个产出主导型的DEA的两个产出的例子，可以由一个分段线性产出可能曲线代表，正如数据8所展示的那样。
注意，观测点在曲线的下方，曲线的一部分和坐标轴成直角，当生产点通过辐射状的膨胀产出线投影到这部分曲线时，就要计算产出的松弛变量。
例如点P 投影到点P’点，P’点在前沿，但是却不是效率前沿上，因为在不增加任何产出的情况下，产品Y1可以通过AP’增加产量。AP’就是产出y1的产出松弛变量。
有一点需要强调，那就是产出主导型和投入主导型模型将会通过定义准确的估计相同的前沿，，识别出同一个DMU作为最有效率的。对于无效率的DMU的效率测度方法在两个方法可能是不同的。两种方法我们将在数据3的第二部分展示，在那我们能观察到仅当规模收益不变时两者才能提供相同的效率值。
数据 8
产主导型的DEA
3.4 Price Information and Allocative Efficiency 价格信息和配置效率
如果我们有价格的信息，我们就会考虑行为目标，比如成本最小或者产出最大，这样我们就既可以测度技术效率又可以测度配置效率了。对于VRS的成本最小化的例子，我们将使用等式15包含的投入主导型的DEA模型来计算技术效率。我们然后运行下面的成本最小化的DEA模型。
minλ,xi* wi’xi*,
st -yi+Yλ≥0,
xi*-Xλ≥0,
N1’λ=1
λ≥0, （23）
其中wi是第i个DMU的投入价格矩阵，xi*（由线性规划模型计算出）是在给定的投入价格wi和产出水平yi的情况下，能使第i个DMU达到成本最小化的投入数量。总的第i个DMU的成本效率或者是经济效率就可以这样计算
CE=wi’xi*/wi’xi。
那就是用成本最小的比例观测成本。我们然后可以运用等式4去计算配置效率残余，为
AE=CE/TE。
注意，这种计算方法不会对配置效率的测度产生任何松弛变量。这在松弛变量反映不合适投入比例的背景下总是合理的。
我们也注意到我们也可以用同样的方式考虑产出混合选择的收入最大化和配置无效率。详见Lovell(1993,p33)对此的讨论。要注意这个收益效率模型在DEAP里面不能实施
Example 3 例子3
在这个例子里面我们使用例子1里面的数据，并增加信息，就是所有的公司投入1和投入2的价格分别都是1和3.因此我们在数据6上画一条斜率为-1/3的成本曲线，他在数据9上与等产量曲线相切。从表中我们可以看到公司5是唯一成本有效率的公司，并且所有的其他公司在某种程度上都存在配置无效率。各种不同的成本效率和配置效率都在表5中列出了。这些效率的计算可以用公司3来展示。我们早就发现公司3的技术效率是通过从原点（O）到3的射线计算的，他的比率就是0到点3’的距离比上0到点3的距离，等于0.833。配置效率就是0到3’’的距离比上0到3’的距离为0.9。成本效率就是0到3’’的距离比上0到3的距离为0.75。我们也可以这样计算0.833×0.9=0.750。
数据9
CRS成本效率DEA例子
表 5
CRS成本效率DEA的结果
3.5 Panel Data,DEA and the Malmquist Index 面板数据，DEA和Malmquist指数
当我们有面板数据的时候，我们就可以使用类似DEA的线性规划和一个（基于投入或者产出）Malmquist TFP指数来测度生产力的变化，并把生产力的变化分解成技术进步和技术效率的变化。
Fare et al(1994)定义了一个基于产出的Malmquist生产力指数如下：
它代表和生产点(xt,yt)相比较的生产点(xt+1,yt+1)的生产力。比1大的值代表从t到t+1时期的一个正的TFP增长。事实上，这个指数就是两个基于产出的Malmquist TFP指数的等比中项。一个指数使用t时期的技术和另一个时期t+1的技术指数。为了计算等式24，我们必须计算有四个部分的函数，他包含四个线性规划（他们的构造类似于计算Farrell的技术效率的方法。）的问题。
我们假设规模报酬不变（我们之后会进一步的分解来观察规模效率的问题）
用于计算d0t(xt,yt)的CRS产出主导的线性规划等同于等式17，不同的是VRS的限制被移除，却包含时间下标。就是
[d0t(xt,yt)]-1 =maxφ,λφ,
St -φyit+Ytλ≥0,
xit-Xtλ≥0,
λ≥0, （25）
其他三个线性规划问题就是这个的简单变体：
[d0t+1(xt+1,yt+1)]-1=maxφ,λφ,
St -φyi,t+1+Yt+1λ≥0,
xi,t+1-Xt+1λ≥0,
λ≥0, （26）
[d0t(xt+1,yt+1)]-1=maxφ,λφ,
St -φyi,t+1+Ytλ≥0,
xi,t+1-Xtλ≥0,
λ≥0, （27）
[d0t+1(xt,yt)]-1=maxφ,λφ,
st -φyit+Yt+1λ≥0,
xit-Xt+1λ≥0,
λ≥0, （28）
注意线性规划模型27和28，生产点的技术是不同时期进行对比的，φ参数如同计算Farrell效率一样需要≥1。点可能在可行的生产组合上方。这种情况最可能在线性规划27中，当t+1时期的生产点和t时期的生产点的技术进行对比时发生。如果技术进步发生了，φ<1的值就是可能的。注意如果发生技术退步，这种情况也可能在线性规划28里面发生，但是技术退步发生的可能性很小。
我们要记住点φ和λ，因为他们在四个线性规划里面的值可能是不同的。
进一步，上述四个线性规划必须对样本中的每个公司都进行计算。因此，如果你有20个公司，两个阶段，你就要进行80个线性规划的运算。也要注意到，当你增加了额外的时间，你必须对每个公司计算额外的三个线性规划（去构造一个环比指数）。如果你有T个时间，你必须对每个样本公司计算(3T-2)个线性规划。
因此，如果你有N个公司，你就必须计算N×(3T-2)个线性规划。例如，当N=10个公司，T=10个时间，这就要计算20×(3×10-2)=560个线性规划。
每个公司对于每个相邻的时间的结果可以列成表。或者可以提出简要的跨越时间或者空间的措施。
Scale Efficiency 规模效率
上面的方法可以进行延伸，我们把（CRS）技术效率分解为规模效率和纯（VRS）技术效率两个部分。这就包括计算两个额外的线性规划（当对比两个生产点的时候）这包括重复计算包含了凸性限制(N1’λ=1)的线性规划25和26.这就是我们要计算VRS（而不是CRS）的效率函数技术效率。然后我们可以利用CRS和VRS的值计算规模效率残值，使用3.2部分的方法。对于有N个公司和T个时间的情况，我们就要把线性规划次数从N×(3T-2)增加到N×(4T-2)。详见Fare et al(1994,p75)关于规模效率的更多论述。
Example 4 例子4
在这个例子里面我们使用例子2的数据。并额外的增加一年的数据。这个数据在表6中列出，也在数据9中描绘了。数据9中也画出了两个时间的CRS和VRS DEA模型的前沿。不同的距离（技术效率）需要我们计算Malmquist指数，Malmquist指数也在表5.4部分的表10c中列出了。
表 6
Malmquist DEA的例子数据
数据 8
VRS投入主导型的DEA例子
Dea，是什么意思？
dea
abbr.data encryption algorithm 数据加密算法;
DEA
abbr.Data Exchange Agreement 数据交换协议;
DEA
abbr.Drug Enforcement Administration 禁药取缔机构;
Dea
[人名] [爱尔兰姓氏] 迪亚 Daw的变体;
什么是DEA算法
数据加密算法（Data Encryption Algorithm，DEA）是一种对称加密算法，很可能是使用最广泛的密钥系统，特别是在保护金融数据的安全中，最初开发的DEA是嵌入硬件中的。通常，自动取款机（Automated Teller Machine，ATM）都使用DEA。它出自IBM的研究工作，IBM也曾对它拥有几年的专利权，但是在1983年已到期后，处于公有范围中，允许在特定条件下可以免除专利使用费而使用。1977年被美国政府正式。
数据加密标准DES
DES的原始思想可以参照二战德国的恩格玛机，其基本思想大致相同。传统的密码加密都是由古代的循环移位思想而来，恩格玛机在这个基础之上进行了扩散模糊。但是本质原理都是一样的。现代DES在二进制级别做着同样的事：替代模糊，增加分析的难度。
加密原理
DES 使用一个 56 位的密钥以及附加的 8 位奇偶校验位，产生最大 64 位的分组大小。这是一个迭代的分组密码，使用称为 Feistel 的技术，其中将加密的文本块分成两半。使用子密钥对其中一半应用循环功能，然后将输出与另一半进行“异或”运算；接着交换这两半，这一过程会继续下去，但最后一个循环不交换。DES 使用 16 个循环，使用异或，置换，代换，移位操作四种基本运算。
基本原理
?基本原理
入口参数有三个:key、data、mode。 key为加密解密使用的密钥，data为加密解密的数据，mode为其工作模式。当模式为加密模式时，明文按照64位进行分组，形成明文组，key用于对数据加密，当模式为解密模式时，key用于对数据解密。实际运用中，密钥只用到了64位中的56位，这样才具有高的安全性。
密钥生成
取得密钥
从用户处取得一个64位(本文如未特指，均指二进制位))长的密码key ,去除64位密码中作为奇偶校验位的第8、16、24、32、40、48、56、64位,剩下的56位作为有效输入密钥
DEA和DIF和MACD关系是怎么样的
个股一级指标:
1平滑异同平均线指标——MACD
MACD指标又叫指数平滑异同移动平均线，是由查拉尔·阿佩尔（Gerald Apple）所创造的,是一种研判股票买卖时机、跟踪股价运行趋势的技术分析工具。
第一节 MACD指标的原理和计算方法
一、MACD指标的原理
MACD指标是根据均线的构造原理，对股票价格的收盘价进行平滑处理，求出算术平均值以后再进行计算，是一种趋向类指标。
MACD指标是运用快速（短期）和慢速（长期）移动平均线及其聚合与分离的征兆，加以双重平滑运算。而根据移动平均线原理发展出来的MACD，一则去除了移动平均线频繁发出假信号的缺陷，二则保留了移动平均线的效果，因此，MACD指标具有均线趋势性、稳重性、安定性等特点，是用来研判买卖股票的时机，预测股票价格涨跌的技术分析指标 。
MACD指标主要是通过EMA、DIF和DEA（或叫MACD、DEM）这三值之间关系的研判，DIF和DEA连接起来的移动平均线的研判以及DIF减去DEM值而绘制成的柱状图（BAR）的研判等来分析判断行情，预测股价中短期趋势的主要的股市技术分析指标。其中，DIF是核心，DEA是辅助。DIF是快速平滑移动平均线（EMA1）和慢速平滑移动平均线（EMA2）的差。BAR柱状图在股市技术软件上是用红柱和绿柱的收缩来研判行情。
二、MACD指标的计算方法
MACD在应用上，首先计算出快速移动平均线（即EMA1）和慢速移动平均线（即EMA2），以此两个数值，来作为测量两者（快慢速线）间的离差值（DIF）的依据，然后再求DIF的N周期的平滑移动平均线DEA（也叫MACD、DEM）线。
以EMA1的参数为12日，EMA2的参数为26日，DIF的参数为9日为例来看看MACD的计算过程
1、计算移动平均值（EMA）
12日EMA的算式为
EMA（12）=前一日EMA（12）×11/13＋今日收盘价×2/13
26日EMA的算式为
EMA（26）=前一日EMA（26）×25/27＋今日收盘价×2/27
2、计算离差值（DIF）
DIF=今日EMA（12）－今日EMA（26）
3、计算DIF的9日EMA
根据离差值计算其9日的EMA，即离差平均值，是所求的MACD值。为了不与指标原名相混淆，此值又名DEA或DEM。
今日DEA（MACD）=前一日DEA×8/10＋今日DIF×2/10
计算出的DIF和DEA的数值均为正值或负值。
理论上，在持续的涨势中，12日EMA线在26日 EMA线之上，其间的正离差值（+DIF）会越来越大；反之，在跌势中离差值可能变为负数（—DIF），也会越来越大，而在行情开始好转时，正负离差值将会缩小。指标MACD正是利用正负的离差值（±DIF）与离差值的N日平均线（N日EMA）的交叉信号作为买卖信号的依据，即再度以快慢速移动线的交叉原理来分析买卖信号。另外，MACD指标在股市软件上还有个辅助指标——BAR柱状线，其公式为：BAR=2×(DIF－DEA)，我们还是可以利用BAR柱状线的收缩来决定买卖时机。
离差值DIF和离差平均值DEA是研判MACD的主要工具。其计算方法比较烦琐，由于目前这些计算值都会在股市分析软件上由计算机自动完成，因此，投资者只要了解其运算过程即可，而更重要的是掌握它的研判功能。另外，和其他指标的计算一样，由于选用的计算周期的不同，MACD指标也包括日MACD指标、周MACD指标、月MACD指标年MACD指标以及分钟MACD指标等各种类型。经常被用于股市研判的是日MACD指标和周MACD指标。虽然它们的计算时的取值有所不同，但基本的计算方法一样。
在实践中，将各点的 DIF和DEA（MACD）连接起来就会形成在零轴上下移动的两条快速（短期）和慢速（长期）线，此即为MACD图。
第二节 MACD指标的一般研判标准
MACD指标是市场上绝大多数投资者熟知的分析工具，但在具体运用时，投资者可能会觉得MACD指标的运用的准确性、实效性、可操作性上有很多茫然的地方，有时会发现用从书上学来的MACD指标的分析方法和技巧去研判股票走势，所得出的结论往往和实际走势存在着特别大的差异，甚至会得出相反的结果。这其中的主要原因是市场上绝大多数论述股市技术分析的书中关于MACD的论述只局限在表面的层次，只介绍MACD的一般分析原理和方法，而对MACD分析指标的一些特定的内涵和分析技巧的介绍鲜有涉及。本节将在介绍MACD指标的一般研判技巧和分析方法基础上，详细阐述MACD的特殊研判原理和功能。
MACD指标的一般研判标准主要是围绕快速和慢速两条均线及红、绿柱线状况和它们的形态展开。一般分析方法主要包括DIF和MACD值及它们所处的位置、DIF和MACD的交叉情况、红柱状的收缩情况和MACD图形的形态这四个大的方面分析。
一、DIF和MACD的值及线的位置
1、当DIF和MACD均大于0（即在图形上表示为它们处于零线以上）并向上移动时，一般表示为股市处于多头行情中，可以买入或持股；
2、当DIF和MACD均小于0（即在图形上表示为它们处于零线以下）并向下移动时，一般表示为股市处于空头行情中，可以卖出股票或观望。
3、当DIF和MACD均大于0（即在图形上表示为它们处于零线以上）但都向下移动时，一般表示为股票行情处于退潮阶段，股票将下跌，可以卖出股票和观望；
4、当DIF和MACD均小于0时（即在图形上表示为它们处于零线以下）但向上移动时，一般表示为行情即将启动，股票将上涨，可以买进股票或持股待涨。
二、DIF和MACD的交叉情况
1、当DIF与MACD都在零线以上，而DIF向上突破MACD时，表明股市处于一种强势之中，股价将再次上涨，可以加码买进股票或持股待涨，这就是MACD指标“黄金交叉”的一种形式。
2、当DIF和MACD都在零线以下，而DIF向上突破MACD时，表明股市即将转强，股价跌势已尽将止跌朝上，可以开始买进股票或持股，这是MACD指标“黄金交叉”的另一种形式。
3、当DIF与MACD都在零线以上，而DIF却向下突破MACD时，表明股市即将由强势转为弱势，股价将大跌，这时应卖出大部分股票而不能买股票，这就是MACD指标的“死亡交叉”的一种形式。
4、当DIF和MACD都在零线以上，而DIF向下突破MACD时，表明股市将再次进入极度弱市中，股价还将下跌，可以再卖出股票或观望，这是MACD指标“死亡交叉”的另一种形式。
三、MACD指标中的柱状图分析
在股市电脑分析软件中（如钱龙软件）通常采用DIF值减DEA（即MACD、DEM）值而绘制成柱状图，用红柱状和绿柱状表示，红柱表示正值，绿柱表示负值。用红绿柱状来分析行情，既直观明了又实用可靠。
1、当红柱状持续放大时，表明股市处于牛市行情中，股价将继续上涨，这时应持股待涨或短线买入股票，直到红柱无法再放大时才考虑卖出。
2、当绿柱状持续放大时，表明股市处于熊市行情之中，股价将继续下跌，这时应持币观望或卖出股票，直到绿柱开始缩小时才可以考虑少量买入股票。
3、当红柱状开始缩小时，表明股市牛市即将结束（或要进入调整期），股价将大幅下跌，这时应卖出大部分股票而不能买入股票。
4、当绿柱状开始收缩时，表明股市的大跌行情即将结束，股价将止跌向上（或进入盘整），这时可以少量进行长期战略建仓而不要轻易卖出股票。
5、当红柱开始消失、绿柱开始放出时，这是股市转市信号之一，表明股市的上涨行情（或高位盘整行情）即将结束，股价将开始加速下跌，这时应开始卖出大部分股票而不能买入股票。
6、当绿柱开始消失、红柱开始放出时，这也是股市转市信号之一，表明股市的下跌行情（或低位盘整）已经结束，股价将开始加速上升，这时应开始加码买入股票或持股待涨。
第三节 MACD的特殊分析方法
一、形态法则
1、M头W底等形态
MACD指标的研判还可以从MACD图形的形态来帮助研判行情。
当MACD的红柱或绿柱构成的图形双重顶底（即M头和W底）、三重顶底等形态时，也可以按照形态理论的研判方法来加以分析研判。例如：
2、顶背离和底背离
MACD指标的背离就是指MACD指标的图形的走势正好和K线图的走势方向正好相反。MACD指标的背离有顶背离和底背离两种。
（1）顶背离
当股价K线图上的股票走势一峰比一峰高，股价一直在向上涨，而MACD指标图形上的由红柱构成的图形的走势是一峰比一峰低，即当股价的高点比前一次的高点高、而MACD指标的高点比指标的前一次高点低，这叫顶背离现象。顶背离现象一般是股价在高位即将反转转势的信号，表明股价短期内即将下跌，是卖出股票的信号。
（2）底背离
底背离一般出现在股价的低位区。当股价K线图上的股票走势，股价还在下跌，而MACD指标图形上的由绿柱构成的图形的走势是一底比一底高，即当股价的低点比前一次低点底，而指标的低点却比前一次的低点高，这叫底背离现象。底背离现象一般是预示股价在低位可能反转向上的信号，表明股价短期内可能反弹向上，是短期买入股票的信号。
在实践中，MACD指标的背离一般出现在强势行情中比较可靠，股价在高价位时，通常只要出现一次背离的形态即可确认位股价即将反转，而股价在低位时，一般要反复出现几次背离后才能确认。因此，MACD指标的顶背离研判的准确性要高于底背离，这点投资者要加以留意。
3、趋势线、压力线
二、分析周期法则
绿柱状间隔时间越长，未来上涨力度越大和时间越长
红柱状维持时间越长，未来下跌空间和力度越大，时间越长
三、分析参数的修改原则
四、均线为先法则
第四节 MACD指标的实战技巧
MACD指标的实战技巧主要集中在MACD指标的“金叉”、“死叉”以及MACD指标中的红、绿柱状线的情况等两大方面。下面以分析家软件上的日参数为（26，52，52）的MACD指标来揭示MACD指标的买卖和观望功能。（注：MACD指标在钱龙软件和分析家软件上指标参数选取及使用方法一样）。
一、 买入信号
（一）DIF线和MACD线的交叉情况分析
1、0值线以下区域的弱势“黄金交叉”
当MACD指标中的DIF线和MACD线在远离0值线以下区域同时向下运行很长一段时间后，当DIF线开始进行横向运行或慢慢勾头向上靠近MACD线时，如果DIF线接着向上突破MACD线，这是MACD指标的第一种“黄金交叉”。它表示股价经过很长一段时间的下跌，并在低位整理后，一轮比较大的跌势后、股价将开始反弹向上，是短线买入信号。对于这一种“黄金交叉”，只是预示着反弹行情可能出现，并不表示该股的下跌趋势已经结束，股价还有可能出现反弹行情很快结束、股价重新下跌的情况，因此，投资者应谨慎对待，在设置好止损价位的前提下，少量买入做短线反弹行情。如图（7–1）所示。
2、0值线附近区域的强势“黄金交叉”
当MACD指标中的DIF线和MACD线都运行在0值线附近区域时，如果DIF线在MACD线下方、由下向上突破MACD线，这是MACD指标的第二种“黄金交叉”。它表示股价在经过一段时间的涨势、并在高位或低位整理后，股价将开始一轮比较大的上涨行情，是中长线买入信号。它可能就预示着股价的一轮升幅可观的上涨行情将很快开始，这是投资者买入股票的比较好的时机。对于这一种“黄金交叉”，投资者应区别对待。
MACD(DEA)技术指标
MACD称为指数平滑异同移动平均线(Moving Average Convergence and Divergence)。是从双移动平均线发展而来的，由快的移动平均线减去慢的移动平均线, MACD的意义和双移动平均线基本相同, 但阅读起来更方便。
当MACD从负数转向正数，是买的信号。当MACD从正数转向负数，是卖的信号。当MACD以大角度变化，表示快的移动平均线和慢的移动平均线的差距非常迅速的拉开，代表了一个市场大趋势的转变。MACD是Geral Appel 于1979年提出的，它是一项利用短期（常用为12日）移动平均线与长期（常用为26日）移动平均线之间的聚合与分离状况，对买进、卖出时机作出研判的技术指标。
应用原则
1.当DIF由下向上突破DEA，形成黄金交叉，既白色的DIF上穿黄色的DEA形成的交叉。或者BAR（绿柱线）缩短，为买入信号。
2.当DIF由上向下突破DEA，形成死亡交叉，既白色的DIF下穿黄色的DEA形成的交叉。或者BAR(红柱线)缩短，为卖出信号。
3.顶背离：当股价指数逐波升高，而DIF及DEA不是同步上升，而是逐波下降，与股价走势形成顶背离。预示股价即将下跌。如果此时出现DIF两次由上向下穿过DEA，形成两次死亡交叉，则股价将大幅下跌。
4.底背离：当股价指数逐波下行，而DIF及DEA不是同步下降，而是逐波上升，与股价走势形成底背离，预示着股价即将上涨。如果此时出现DIF两次由下向上穿过DEA，形成两次黄金交叉，则股价即将大幅度上涨。
MACD指标主要用于对大势中长期的上涨或下跌趋势进行判断，当股价处于盘局或指数波动不明显时，MACD买卖信号较不明显。当股价在短时间内上下波动较大时，因MACD的移动相当缓慢，所以不会立即对股价的变动产生买卖信号。
MACD主要是利用长短期的二条平滑平均线，计算两者之间的差离值，作为研判行情买卖之依据。MACD指标是基于均线的构造原理，对价格收盘价进行平滑处理(求出算术平均值)后的一种趋向类指标。它主要由两部分组成，即正负差(DIF)、异同平均数(DEA)，其中，正负差是核心，DEA是辅助。DIF是快速平滑移动平均线(EMA1)和慢速平滑移动平均线(EMA2)的差。
在现有的技术分析软件中，MACD常用参数是快速平滑移动平均线为12，慢速平滑移动平均线参数为26。此外，MACD还有一个辅助指标——柱状线(BAR)。在大多数技术分析软件中，柱状线是有颜色的，在低于0轴以下是绿色，高于0轴以上是红色，前者代表趋势较弱，后者代表趋势较强。
下面我们来说一下使用MACD指标所应当遵循的基本原则：
1.当DIF和DEA处于0轴以上时，属于多头市场，DIF线自下而上穿越DEA线时是买入信号。DIF线自上而下穿越DEA线时，如果两线值还处于0轴以上运行，仅仅只能视为一次短暂的回落，而不能确定趋势转折，此时是否卖出还需要借助其他指标来综合判断。
2.当DIF和DEA处于0轴以下时，属于空头市场。DIF线自上而下穿越DEA线时是卖出信号，DIF线自下而上穿越DEA线时，如果两线值还处于0轴以下运行，仅仅只能视为一次短暂的反弹，而不能确定趋势转折，此时是否买入还需要借助其他指标来综合判断。
3.柱状线收缩和放大。一般来说，柱状线的持续收缩表明趋势运行的强度正在逐渐减弱，当柱状线颜色发生改变时，趋势确定转折。但在一些时间周期不长的MACD指标使用过程中，这一观点并不能完全成立。
4.形态和背离情况。MACD指标也强调形态和背离现象。当形态上MACD指标的DIF线与MACD线形成高位看跌形态，如头肩顶、双头等，应当保持警惕；而当形态上MACD指标DIF线与MACD线形成低位看涨形态时，应考虑进行买入。在判断形态时以DIF线为主，MACD线为辅。当价格持续升高，而MACD指标走出一波比一波低的走势时，意味着顶背离出现，预示着价格将可能在不久之后出现转头下行，当价格持续降低，而MACD指标却走出一波高于一波的走势时，意味着底背离现象的出现，预示着价格将很快结束下跌，转头上涨。
5.牛皮市道中指标将失真。当价格并不是自上而下或者自下而上运行，而是保持水平方向的移动时，我们称之为牛皮市道，此时虚假信号将在MACD指标中产生，指标DIF线与MACD线的交叉将会十分频繁，同时柱状线的收放也将频频出现，颜色也会常常由绿转红或者由红转绿，此时MACD指标处于失真状态，使用价值相应降低。
用DIF的曲线形状进行分析，主要是利用指标相背离的原则。具体为：如果DIF的走向与股价走向相背离，则是采取具体行动的时间。但是，根据以上原则来指导实际操作，准确性并不能令人满意。经过实践、摸索和总结，综合运用5日、10日均价线，5日、10日均量线和MACD，其准确性大为提高。
DEA中CCR和BCC模型分别什么意思
CCR模型假设DMU处于固定规模报酬情形下，用来衡量总效率。
BCC模型假设DMU处于变动规模报酬情形下，用来衡量纯技术和规模效率。
作为处理多目标决策问题的方法，DEA的优点主要体现在以下3点:
1、无须假设任何权重，每一个输入输出的权重由决策单元的实际数据求得最优权重，可以避免评主观因素。
2、以决策单位各输入输出的权重为变量，从最有利于决策单元的角度进行评估，避免了各指标在优先意义上的权重。
3、假定每个输入都关联到一个或多个输出，输入输出之间存在的某种关系，DEA方法不必确定这种关系的显示表达式。
扩展资料
DEA是一个线形规划模型，表示为产出对投入的比率。通过对一个特定单位的效率和一组提供相同服务的类似单位的绩效的比较，它试图使服务单位的效率最大化。在这个过程中，获得100%效率的一些单位被称为相对有效率单位，而另外的效率评分低于100%的单位被称为无效率单位。
这样，企业管理者就能运用DEA来比较一组服务单位，识别相对无效率单位，衡量无效率的严重性，并通过对无效率和有效率单位的比较，发现降低无效率的方法。
参考资料来源：百度百科-数据包络分析方法
股票问题，MACD,上的DIF，EMA，DEA，DEF，是什么意思
平滑异同移动平均线MACD
MACD由正负差（DIF）和异同平均数（DEA）两部分组成，当然，正负差是核心，DEA是辅助。DIF是快速平滑移动平均线（EMA）与慢速平滑移动平均线(EMA)的差。快速和慢速的区别是进行指数平滑时采用的参数大小不同，快速是短期的，慢速是长期的。以现在常用的参数12和26为例，DIF的计算过程为：今日EMA(12)＝2/（12+1）×今日收盘价＋11/(12+1)×昨日EMA(12)；今日EMA(26)＝2/（26+1）×今日收盘价＋25/(26+1)×昨日EMA(26)；以上两个公式是指数平滑的公式，平滑因子分别为2/13和2/27。如果选用别的系数，则可照此法处理。DIF＝EMA(12)－EMA(26)。DEA是DIF的移动平均，也就是连续数日的DIF的算术平均。此外，在分析软件上还有一个指标叫柱状线（BAR）。BAR＝2×（DIF－DEA）。
macd指标又叫指数平滑异同移动平均线，是由查拉尔·阿佩尔（Gerald Apple）所创造的,是一种研判股票买卖时机、跟踪股价运行趋势的技术分析工具。
一、macd指标的原理
macd指标是根据均线的构造原理，对股票价格的收盘价进行平滑处理，求出算术平均值以后再进行计算，是一种趋向类指标。
macd指标是运用快速（短期）和慢速（长期）移动平均线及其聚合与分离的征兆，加以双重平滑运算。而根据移动平均线原理发展出来的macd，一则去除了移动平均线频繁发出假信号的缺陷，二则保留了移动平均线的效果，因此，macd指标具有均线趋势性、稳重性、安定性等特点，是用来研判买卖股票的时机，预测股票价格涨跌的技术分析指标 。
macd指标主要是通过EMA、DIF和DEA（或叫macd、DEM）这三值之间关系的研判，DIF和DEA连接起来的移动平均线的研判以及DIF减去DEM值而绘制成的柱状图（BAR）的研判等来分析判断行情，预测股价中短期趋势的主要的股市技术分析指标。其中，DIF是核心，DEA是辅助。DIF是快速平滑移动平均线（EMA1）和慢速平滑移动平均线（EMA2）的差。BAR柱状图在股市技术软件上是用红柱和绿柱的收缩来研判行情。
二、macd指标的计算方法
macd在应用上，首先计算出快速移动平均线（即EMA1）和慢速移动平均线（即EMA2），以此两个数值，来作为测量两者（快慢速线）间的离差值（DIF）的依据，然后再求DIF的N周期的平滑移动平均线DEA（也叫macd、DEM）线。
以EMA1的参数为12日，EMA2的参数为26日，DIF的参数为9日为例来看看macd的计算过程：
1、计算移动平均值（EMA）
12日EMA的算式为
EMA（12）=前一日EMA（12）×11/13＋今日收盘价×2/13
26日EMA的算式为
EMA（26）=前一日EMA（26）×25/27＋今日收盘价×2/27
2、计算离差值（DIF）
DIF=今日EMA（12）－今日EMA（26）
3、计算DIF的9日EMA
根据离差值计算其9日的EMA，即离差平均值，是所求的macd值。为了不与指标原名相混淆，此值又名DEA或DEM。
今日DEA（macd）=前一日DEA?8/10＋今日DIF?2/10
计算出的DIF和DEA的数值均为正值或负值。
理论上，在持续的涨势中，12日EMA线在26日 EMA线之上，其间的正离差值（+DIF）会越来越大；反之，在跌势中离差值可能变为负数（—DIF），也会越来越大，而在行情开始好转时，正负离差值将会缩小。指标macd正是利用正负的离差值（±DIF）与离差值的N日平均线（N日EMA）的交叉信号作为买卖信号的依据，即再度以快慢速移动线的交叉原理来分析买卖信号。另外，macd指标在股市软件上还有个辅助指标——BAR柱状线，其公式为：BAR=2?(DIF－DEA)，我们还是可以利用BAR柱状线的收缩来决定买卖时机。
离差值DIF和离差平均值DEA是研判macd的主要工具。其计算方法比较烦琐，由于目前这些计算值都会在股市分析软件上由计算机自动完成，因此，投资者只要了解其运算过程即可，而更重要的是掌握它的研判功能。另外，和其他指标的计算一样，由于选用的计算周期的不同，macd指标也包括日macd指标、周macd指标、月macd指标年macd指标以及分钟macd指标等各种类型。经常被用于股市研判的是日macd指标和周macd指标。虽然它们的计算时的取值有所不同，但基本的计算方法一样。
在实践中，将各点的 DIF和DEA（macd）连接起来就会形成在零轴上下移动的两条快速（短期）和慢速（长期）线，此即为macd图。
MACD图中DIF,DEA是什么意思
MACD是计算两条不同速度（长期与中期）的指数平滑移动平均线（EMA）的差离状况来作为研判行情的基础。
DIF
⒈首先分别计算出收市价SHORT日指数平滑移动平均线与LONG日指数平滑移动平均线，分别记为EMA(SHORT）与EMA(LONG）。
⒉求这两条指数平滑移动平均线的差，即：DIF=EMA（SHORT）－EMA（LONG）
DIF组成的线叫做MACD线
DEA
⒊再计算DIFF的M日的平均的指数平滑移动平均线，记为DEA。
DEA组成的线叫做Signal线
拓展资料：
实战技巧
由于网上炒股的快捷、便利、信息传播快、辅助软件分析等带来的便利，使得越来越多的投资者更加偏爱于技术面的分析，在技术面指标中，KDJ和MACD被广大投资者所运用。大多数非专业投资者觉得，KDJ指标发出的买卖信号太过频繁，出错几率较大，一般投资者往往不太适用这种判断指标。相对于KDJ而言，MACD指标的使用相对要简单且出错几率较小。特别是在判断长期趋势中，长周期K线的MACD指标准确率更高。
研究发现，如今，周K线MACD指标对中长线转折的判断的准确性较高，可以作为中长线投资者的首选参考指标。对于长期投资而言，利用这种方法炒股显然比持有指数基金的投资方法强，对资产能做到更好的增值保值。
就MACD技术指标实战研判做一分享，首先网上炒股分析软件最好采用(12，26，9)参数进行分析，当MACD数值超过5且指标出现红柱后的第二个星期开盘时买入，指标变成绿柱后的第二个星期开盘时卖出。据统计：按照这种方法买卖操作，在MACD的周K线指标发出12次买卖信号中，其中8次有成功，仅4次失败，成功率约为66.7%。统计结果推出：如果按照此种方法股票买卖操作9次，其中有6次成功，3次失败，中和所得，相当于有3次绝对成功。只赚不赔，利润再小，也不吃亏。
对于大多数非专业的投资者来说，MACD的周K线方法可以一试。它操作简单、单一，学习起来也非常容易，在股票交易中作为买卖前的操作指南也是不错的选择。
参考资料：MACD指标-百度百科