证券市场是一个庞大复杂的开放式系统，价格的运动是一个复杂的过程。我们将影响价格运动的因素进行层次分析。层次分析法可以把一个复杂的问题分解成组成因素，并按支配关系形成层次结构，然后用两两比较的方法，确定其中因素的相对重要性。层次分析法的整个过程体现了：分解、判断和综合。它将定性判断和定量分析相结合，为决策提供了依据。

　　我们将影响价格运动的元素进行分层，它们分别是：特征因子、能量因子、价格因子的加速度、时间、成交量。“特征因子”是成交量在一定集合范围内，按时间序列变化特征模板的重复次数。能量因子是一定时间范围内，成交易变化条件下，能量模板的重复次数。特征模板和能量模板分别是在时间变量上和能量变量上对价格指数运动的最微小的变化进行离散采样总结的特征。速率因子是描述一定时间内特征模板重复的频次或一定能量变化范围内能量模板重复的频次。

　　它们之间的关系非线性的，存在于全维空间之中。特征因子与时间、成交量之间分别存在一定的关系。能量因子也与时间、成交量之间存在一定的关系。而特征因子与能量因子之间又存在一定的关系。速率因子又与能量因子、特征因子存在一定的关系。这些关系构成了一个全维的空间。

　　全维空间是怎样的一个空间？

　　全维空间是维数大于2的空间。每个读过中学数学的人都应该知道二维的笛卡儿平面坐标系：画一条x轴和一条与其垂直的y轴，并加上箭头和刻度。在这个平面系统里，每一个点都可以用一个包含两个变量的坐标(x, y)来表示，例如(1, 2)，或者(4.3, 5.4)，这两个数字分别表示该点在x轴和y轴上的投影。对于二维平面来说，用两个数字就可以唯一地指明一个点了。如果要描述三维空间中的一个点，那么我们的坐标里就要有3个数字，比如(1, 2, 3)，这3个数字分别代表该点在3个互相垂直的维度方向的投影。扩展一下思维：假如有一个四维空间中的点，又该如何去描述它呢？显然要使用含有4个变量的坐标，比如(1, 2, 3, 4)，如果用的是直角坐标系统，那么这4个数字便代表该点在4个互相垂直的维度方向的投影，推广到n维，情况也是一样。诸位大可不必费神在脑海中努力构想n维空间是如何在n个方向上都互相垂直的，事实上这只是在数学上构造的一个假想系统而已。

　　影响证券市场运动的变量很多，它们之间的相互作用也非常复杂。如果我们把它想象成一幅图，每两种变量下定义一条线，通过画出一整组的此种曲线，我们可以抓住所有初始值之下系统所有可能的行为。这组曲线类似于围绕平面盘旋的一种虚拟数学流体的流线。我们称此平面为系统的全维空间。全维空间绝不是一维或二维的，是三维以上的空间。

　　特征因子、能量因子、时间、成交量之间的非线性关系存在于这种系统的全维空间里。整个非线性系统由大量子系统组成的，但是由于子系统之间的非线性相互作用，系统不再满足叠加原理，系统整体表现出来的现象也不再是个体行为的简单叠加，而是一种个体表现不出来的行为。从子系统层次到系统层次，不仅有量的积累，更主要的是发生了质的飞跃。

　　因此，对积理论认为价格的运动是更高层次的秩序。特征因子、能量因子、速率因子的变化不是能用肉眼观察进行判断的，一定要进行量化，用离散统计、数学建模的方法把握它们之间的变化。