Ehlers 相關性趨勢指標 (Correlation Trend Indicator, CTI) 是 John Ehlers 在其著作《Cycle Analytics for Traders》(2013) 及後續發表中提出的概念。
CTI 是一個「含金量」極高的指標。因為它解決了一個傳統技術分析無法量化的問題:「這個趨勢到底有多『明確』?」
1. CTI 的核心哲學:尋找「完美的 45 度線」
大多數趨勢指標(如 MACD、均線)測量的是價格變化的幅度。但幅度大不代表趨勢好,有可能是暴漲暴跌。
CTI 測量的不是幅度,而是 「型態的完美度」 。
- 概念模型: 想像一條從左下角筆直畫到右上角的直線(理想的上升趨勢)。
- 計算邏輯: CTI 計算實際股價走勢與這條「理想直線」之間的相關係數 (Correlation Coefficient)。
- 數值解讀:
- +1.0: 完美的上升趨勢(股價沿著直線穩定上漲,無雜訊)。
- -1.0: 完美的下降趨勢。
- 0.0: 完全的隨機漫步或橫盤整理。
2. 為什麼 CTI 優於 ADX 或 RSI?
在設計選股策略或儀表板時,CTI 提供了傳統指標無法提供的視角:
| 特性 | ADX (平均方向指數) | RSI (相對強弱指標) | CTI (相關性趨勢) |
| 方向性 | 無 (只知有趨勢,不知方向) | 有 | 有 (+/- 分明) |
| 鈍化問題 | 會滯後 | 強勢時會卡在 80 以上鈍化 | 不會鈍化,它會穩定維持在 0.9 以上 |
| 雜訊敏感度 | 易受單日大漲跌影響 | 易受波動率影響 | 低,只關注整體結構的線性度 |
| PM 應用 | 判斷趨勢強度 | 判斷超買超賣 | 篩選「穩健飆股」 (Sleep-well stocks) |
如果你想挑選出「抱得住」的股票,CTI 是比 RSI 更好的過濾器。因為 CTI 高的股票,回檔幅度小,走勢呈現階梯式上漲,投資人的心理壓力最小。
3. 數學原理與計算步驟
CTI 使用的是統計學標準的皮爾森積矩相關係數 (Pearson Product-Moment Correlation Coefficient),或是更進階的史皮爾曼等級相關 (Spearman Rank Correlation)。
在標準算法中,我們將兩個變數進行比較:
- 變數 X: 價格序列 (Price)。
- 變數 Y: 時間序列 (Time Index),即 1, 2, 3… N (代表一條完美的斜線)。

這個公式看起來複雜,但本質上就是在問:「目前的價格走勢,跟一條穩定向上的直線,相似度有幾成?」
用Xscript寫的腳本如下
// 指標名稱:Ehlers Correlation Trend Indicator // ----------------------------------------------------------- Input: Length(20, "計算週期"); Variable: SX(0), SY(0), SXX(0), SYY(0), SXY(0), i(0); Variable: Corr(0); // 初始化累加變數 SX = 0; SY = 0; SXX = 0; SYY = 0; SXY = 0; // 計算價格與「時間序列(1, 2, 3...)」的相關性 for i = 0 to Length - 1 begin Value1 = Close[i]; // Y: 價格 Value2 = Length - i; // X: 時間序 (越近數值越大,模擬上升直線) SX = SX + Value2; SY = SY + Value1; SXY = SXY + (Value2 * Value1); SXX = SXX + (Value2 * Value2); SYY = SYY + (Value1 * Value1); end; // 相關係數公式 Value3 = (Length * SXX) - (SX * SX); Value4 = (Length * SYY) - (SY * SY); if Value3 > 0 and Value4 > 0 then Corr = ((Length * SXY) - (SX * SY)) / SquareRoot(Value3 * Value4) else Corr = 0; Plot1(Corr, "Trend Correlation"); Plot2(0, "Zero"); Plot3(0.5, "Strong Trend");
以下是其用在台積電上的對照圖

總結
Ehlers CTI 是一個將 「美學」(圖形漂亮程度)轉化為「數學 的優雅指標。它不求快,但求「穩」。
