1. 異常值檢測演算法--箱線圖四分位檢測異常值
首先，給大家講下什麼叫四分位數。顧名思義，就是把一堆數據排序會分成四份，找出其中的那三個點。中間那個叫中位數，下面那個叫下四分位數據，上面那個叫上四分位數。如下圖：
中間的兩個數是12和14，平均數13即為中位數。14以上的數字，最中間的數字是20即為上四分位數。12以下中間的數字是4即為下四分位數。
當然，也是更嚴謹的計算方法。對樣本數據或者全部數據線性回歸，找出概率密度函數。反函數y=0.5對應的x值為中位數，y=0.25對應的x值為下四分位數，y=0.75對應的x值為上四分位數
和3σ原則相比，箱線圖依據實際數據繪制，真實、直觀地表現出了數據分布的本來面貌，且沒有對數據作任何限制性要求（3σ原則要求數據服從正態分布或近似服從正態分布），其判斷異常值的標准以四分位數和四分位距為基礎。四分位數給出了數據分布的中心、散布和形狀的某種指示，具有一定的魯棒性，即25%的數據可以變得任意遠而不會很大地擾動四分位數，所以異常值通常不能對這個標准施加影響。鑒於此，箱線圖識別異常值的結果比較客觀，因此在識別異常值方面具有一定的優越性。
箱型圖提供了識別異常值的一個標准，即異常值通常被定義為小於QL-1.5IQR或大於QU+1.5IQR的值。其中，QL稱為下四分位數，表示全部觀察值中有四分之一的數據取值比它小；QU稱為上四分位數，表示全部觀察值中有四分之一的數據取值比它大；IQR稱為四分位數間距，是上四分位數QU與下四分位數QL之差，其間包含了全部觀察值的一半。
2. 箱形圖為什麼能檢測異常值，原理是什麼
箱形圖可以用來觀察數據整體的分布情況，利用中位數，25/%分位數，75/%分位數，上邊界，下邊界等統計量來來描述數據的整體分布情況。通過計算這些統計量，生成一個箱體圖，箱體包含了大部分的正常數據，而在箱體上邊界和下邊界之外的，就是異常數據。
其中上下邊界的計算公式如下：
UpperLimit=Q3+1.5IQR=75%分位數+（75%分位數-25%分位數）*1.5，
LowerLimit=Q1－1.5IQR=25%分位數-（75%分位數-25%分位數）*1.5
（將數據由小到大排序，處於中間的為中位數，即50%分位數，在75%位置的即為75%分位數或四分之三分位數——Q3，在25%位置的即為25%分位數或四分之一分位數——Q1）
參數說明：
1. Q1表示下四分位數，即25%分位數；Q3為上四分位數，即75%分位數；IQR表示上下四分位差，系數1.5是一種經過大量分析和經驗積累起來的標准，一般情況下不做調整。
2. 分位數的參數可根據具體預警結果調整：25%和75%，是比較靈敏的條件，在這種條件下，多達25%的數據可以變得任意遠而不會很大地擾動四分位。具體業務中可結合擬合結果自行調整為其他分位。
3. 怎麼在股票軟體上看到箱體圖
在K線分析圖用滑鼠右擊主圖.顯選擇主圖指標再左擊箱體點確定試下看