我们先看几个技术分析中的判断:
(1)如果股票出现三死叉，那说明该股见顶。A股票出现三死叉，所以A股票就见顶了。
(2)只有大盘升破60日均线，才有可能发动-波大行情。
(3)从历史行情看,当大盘60日乖离率到20以上，就有可能发生大幅度的调整。
上面提到了三个判断，这三个判断蕴涵了逻辑学判断的几种方法，当大家彻底弄明白这三个判断的逻辑学原理后，就能运用这个方法判断所有书上介绍的技术，以及自己总结的技术指标和分析的合理性.有效性与局限性。
先来看看什么是逻辑学。
逻辑，或称为推理、理则。研究推理的学问称为推理学或称为逻辑学。传统上，逻辑被当做是哲学的一个分支。
在逻辑学中有两个方面的内容对研究股市有很大的作用，一个问题就是推理，另外一个就是假言判断。
(一)推理
在逻辑学中，推理是依据已知的判断得到新判断的思维形式，形式推理包括演绎推理和归纳推理。
演绎推理是“结论，可从叫做前提的已知事实，‘必然的' 得出的推理”。如果前提为真，则结论必然为真。
归纳推理是论证的前提，支持结论但不确保结论的推理过程。它基于对特殊的代表的有限现察，把性质或关系归结到类型或基于对反复再现的现象的模式的有限观察，用公式表达规律。
通俗点说，演绎推理是指由一般到特殊的推理，即由一般性知识推出关于特殊性的知识。演绎推理有三段论、假言推理和选言推理等形式。归纳推理是指从个别事物或者现象的知识推出该类事物或现象的一般原则的推理。
对这些概念的说明比较抽象，还是举例说明:
我们知道“金属受热时膨胀”的原理，就可能推导出这样的事实:连续的铁轨之间不间隔少量的空院，在炎热的太阳下就会变弯。涉及这种推导的推理方法就是演绎推理。这个例子就是我们掌握了普遍的定律和理论，就可以根据普遍性的定律推导出各种作为解释和预见的推断来。
再举一个例子:
(1)猫这种动物有四条腿。(2)“甜甜”是我家的花猫。
(3)我家的花猫“ 甜甜”也有四条腿。
在这个论证中，(1) 和(2)是前提，(3)是结论。如果(1)和(2)是真的，那么(3)必定是真的。一旦已知(1)和(2)是真的，(3)就不可能是假的。因为(1)和(2)是真的而(3)是假的就包含一个矛盾。这是逻辑上正确的演绎的关键特征。如果一个逻辑上正确的演绎的前提是真的，那么，结论就必定是真的。
演绎推理的重要特点就是如果前提为真，则结论必然为真。再看看什么是归纳推理。首先看什么是有效的归纳推理。所有观察到的乌鸦都是黑的。所以所有乌鸦都是黑的。
这例示了归纳的本质从特殊归纳出普遍。结论明显不是确定的。除非我们见过所有的乌鸦，不然我们怎能全知道呢?可能还有些罕见的蓝乌鸦或是白乌鸦呢。
但可以看到，这个归纳推理是有效的。
再看一个无效的归纳推理例子。某天有一只免子撞到树上死了。所以每天都会有兔子撞到树上死掉。显然这个归纳推理是无效的。
同样，我们进行股市预测时，大量运用到根据某些指标或技术分析来推导股票涨跌的因果推论。这些推论运用的就是归纳推理。归纳推理的前提是其结论的必要条件。首先，归纳推理的前是必须是真实的，否则，归纳就失去了意义。其次，归纳推理的前提是真实的，但结论却未必真实。
我们可以用归纳强度来说明归纳推理中前提对结论的支持度。支持度小于50%的，则称该推理是归纳弱的;支持度小于100但大于50%的，称该推理是归纳强的;归纳推理中只有完全归纳推理前提对结论的支持度达到100%，才是必然性支持。
我们来看看前面三个例子中的第一个判断。如果股票出现三死叉，那说明该股见顶。A股票出现三死叉，所以A股票就见顶了。
其中:如果股票出现三死叉，那说明该股见顶一已 知的判断:A股票出现三死叉，所以A股票就见顶了一新判断;
这种判断运用的就是推理，也就是研究两个判断之间的关系。
我们看第二个例子:
只有大盘升破60日均线，才有可能发动一波大行情。
这句话的前件是“大盘升破60日均线"，是一种事物的存在。
这句话的后件是“大盘发生一波大行情”也是一种事物的存在。要弄清这两个事物存在的关系就涉及到逻辑学中的假言判断。
(二)假言判断
假言判断.又称条件判断，是指断定某一事物情况的存在是另-事物情况存在的条件的判断。例如:
(1)如果他是盗窃犯，那么他就一定 去过盗窃现场。(2)只有注射青霉素，小张的感冒才能治好。(3)一个三角形等角，当且仅当它等边。
在假言判断中，一个作为原因的称为“ 前件" ;一个作为结果的称为“后件"。根据假言判断所断定的前件是后件的不同条件，假育判断又可以区分为三种:充分条件假言判断;必要条件假言判断;充分必要条件假言判断。
1.充分条件假吉判断
(1)定义
充分条件假言判断就是断定一事物情况是另-事物情况存在的充分条件的假言判断。
例如:如果死者是中毒而死的，那么死者就会有一系列中毒的症状。
(2)逻辑性质
所谓充分条件是指:设有事物情况p和事物情况q,如果事物情况p存在，事物情况q就必然存在:而p不存在，q不一定不存在(即可能有q，也可能没有q)。在这种情况下，p就是q的充分条件(有之必然)。
(3)逻辑形式
语言表达式:如果p,那么q;假如p，就q;只要p，就q;倘若p,则q;既然p，就q。符号表达式: p+q(“一→"读做蕴涵: p一+q读 敞p蕴涵q)。
(4)充分条件假言判断的真假情况
根据充分条件假言判断的逻辑性质或特征，当且仅当充分条件假言判断的前件与后件具有下述关系时，充分条件假言判断为真: p真，q真; p假，q真假不定。
2.必要条件假言判断
(1)定义
必要条件假言判断就是断定-事物情况是另一事物情况存在的必要条件的假言判断。
例如:①只有到过现场，才能实施偷窃行为。②没有调查就没有发言权。
(2)逻辑性质
所谓必要条件是指:设有事物情况p和事物情况q,如果没有事物情况p,事物情况q就必然不存在，而有p，却未必有q (即可能有q.也可能没有q)。在这种情况下，p就是q的必要条件(无之必不然)。
(3)逻辑形式
语言表达式:只有p，才q。(除非....... 没----没有，不....不)。
符号表达式: p←-q (←读做逆(反)蕴涵: p←q读做p逆蕴涵q)。
(4)必要条件假言判断的真假情况
根据必要条件假言判断的逻辑性质或特征，当且仅当必要条件假言判断的前件与后件具有下述关系时，必要条件假言判断为真: p假， q假; p真， q真假不定。
3.充分必要条件假言判断(简称充要条件假言判断)
(1)定义
充要条件假盲判断就是断定一事物情况是另一事物情况存在的充分必要条件的假言判断。如:
①只要而且也只有被告人犯罪的证据充分、确实，才可以认定被告人有罪。
②人不犯我，我不犯人:人若犯我，我必犯人。
(2)逻辑性质
所谓充分必要条件是指:设有p和q分别为两个事物情况。如果有p，就必然有q;而没有p,则必然没有q。如果有q.就必然有p;如果没有q.就必然没有p。这样，p就是q的充分必要条件(有之必然，无之必不然)。
(3)逻辑形式
语言表达式:当且仅当p.则q。(如果而且只.-.如..那...1.一，.....。
符号表达式p←→q (“→"读做等值; p- +q读做p等值q) 。
(4)充要条件假言判断的真假情况
根据充要条件假言判断的逻辑性质或特征，当且仅当充要条件假言判断的前件与后件具有下述关系时，充要条件假言判断为真: p真，q真; p假，q假。
4.三种不同条件的区别
三种假言判断的逻辑特征是不同的。
充分条件(有之必然) :所谓充分条件，就是许多条件中的任何一个条件都足以引起某种结果。(p-- +q)
必要条件(无之必不然) :所谓必要条件是指，许多条件结合起来才能引起某种结果。(p←q)
充要条件(有之必然，无之必不然) :所谓充要条件就是，只有此一条件才能引起彼- -结果。(p← +q)
根据我们上面所学的假言判断的概念，我们能够知道，股指升破60日均线是产生一波大行情的必要条件。
逻辑学中的推理是依据已知的判断得到新判断的思维形式，推理是研究判断与判断之间的关系。
逻辑学中假言判断是指断定某- - 事物情况的存在是另一事物情况存在的条件的判断，它研究的是事物与事物之间的关系。
那么事物与事物间的关系是不是只有假言判断中充要、充分，必要条件的三种关系呢?显然不是的。
我们看第三个例子：
从历史行情看，当大盘60日乖离率到以上.就有可能发生大幅度的调整。
60日乖离率超过20既不是大盘调整的充分条件，也不是必要条件，更不是充要条件。因为60日乖离率超过20大盘也可能不马上发生大的调整，60日乖离率不超过20也有可能发生大的调整。但是我们从历史行情分析来看，当大盘60日乖离率到20以上发生调整的可能性是比较大的。
那么60日乖离率超过20与大盘大幅度调整的关系是什么呢?是相关关系。
(三)因果关系与相关关系
解释相关关系前，我们从另外一个角度对事物间存在的关系进行一个分类。
1.因果关系
所谓因果关系简单地说就是A-B。即事件A的发生导致事件B的发生。因果关系中最常见的是一因一果，另外还有一因多果、一果多因，多因多果等形式。
根据以上对因果关系的定义，我们可以把假言判断中的充分条件和充要条件两类判断中的前件与后件之间的关系归纳为事物存在之间的因果关系。
2.相关关系
相关关系是指事物存在之间确实存在的，但数量上不是严格对应的依存关系。
例如:人的年龄和血压之间存在着一定的关系。一般，人的年龄大一些，血压也要相应地高一些，但这种关系并不是确定的，因为即使是同一年龄的人，他们的血压也不完全相同。再如:练习打字的次数与出现的错误量之间的关系。不确定性关系在自然现象中普遍存在，其原因主要是由于测量上的误差和其他-些随机误差的干扰，我们称变量之间的不确定关系为相关关系。虽然在相关关系中，我们知道变量之间存在着密切的联系，但从一个(或组)变量的每一确定的值， 不能求出另-变量确定的值。可是在大量实验中，这种不确定的关系，具有统计规律性，这种联系使称为统计相关。具有相关关系的变量间虽然不具有确定的函数关系，但是可以借助函数关系来表达它们之间的统计规律性。
所谓相关关系，就是两种事物存在之间有关联。在统计学中，两个随机变量X、Y之间的相关关系用相关系数pxy来表示( 1 pxyI≤1)。这里所说的随机变量，就是我们通常所说的事件存在的数学抽象。
若ρxy≠0.则称X与Y相关:当pxy>0. 称X与Y正相关:当ρxy<0时，称x与Y负相关;特别地，当pxy=1时，称X与Y完全正相关;当pxy=-1时，称X与Y完全负相关:当pxy=0时，称X与Y不相关。
所谓正相关，就是说两个变量的变化方向是一致的，例如:在非智力因素相同的条件下，智力与学习成绩的关系。而负相关则是两个变量的变化方向相反，例如练习打字的次数与出现的错误量之间的关系。如果两个变量的变化无一定规律，就称两者零相关，比如说学习成绩与身高的关系。
3.判断事物间存在关系中的常见错误
面对客观世界(包括股市)的种种不确定性，人们喜欢寻找原因，并将不确定性转化为确定性，尽管这种转化往往只是心理上的。这是人性的一个弱点。在研究事物之间存在的关系中常常会发生以下的错误:
(1)胡乱确定因果关系
有个古老的谬误是:“ 如果在A之后紧跟着发生B,那么A一定导致B。”在这里，或许A是B的因，B是A之果，但更可能的情况是，A和B并不互为因果。
(2)把相关关系当做因果关系
因果关系和相关关系，都是说明事物之间存在联系的。认识和处理相关关系需要做大量的观察和相应的专门知识，而因果关系却可以直接用前件精确地推导得出后件的结论。所以，人们习惯性地把相关关系转化为因果关系来解释事物存在之间的关系，甚至不分青红皂白地把它们都当成是因果关系来处理。
(3)错误推导相关关系的结论
在相关关系的前件与后件之间存在有效性的联系，但是这种联系的关联度有多高，也就是说，出现A以后，B再出现的概率有多大的问题。这需要大量统计学上的采样分析。如果出现A以后，B出现的概率大于50%，那么这种相关关系对于我们分析(特别是研究股市指标与股市涨跌之间的关系)研究就有极大的参考意义了。
要统计出A, B之间的关系，必须采用大样本，只有在大样本，即分析样本接近于总体时，样本中某事件发生的概率才渐近于总体概率(因果关系则无须关心样本的大小，具有“样本无关性"，由个别到一般或由一般到个别都能得到正确的推理)。因此研究相关关系，如果采集的样本不够多，那么A、B间相关关系结论的可靠性就值得怀疑了。人们常犯的错误就是只通过少量样本的检验就得出结论。那这种结论的有效性和发生的概率就必然是不可靠的。
在股市中，出现A +B。即事件A的发生导致事件B的发生充分条件和充要条件比较少，大量存在的是必要条件(如:三死又是股票见顶的必要条件. s日均线上叉10日均线是股价上攻的必要条件,股指升破60日均线是发生大行情的必要条件)。
如果把市场的走势用“涨、跌，横盘”三种状态来概括的话，那么我们所做的技术分析的实质就是寻找技术信号(形态.趋势、指标等)与市场走势间的相关关系(股市大量地存在着相关关系，如股价与成交量的关系，突破与上涨的关系，大盘60日乖离率与大幅度调整的关系等)。
