斯皮尔曼等级相关性是一种非参数方法，常用于研究变量之间的关系。在这里，我们主要是检测两个数值序列之间的平行程度。
计算斯皮尔曼等级相关性的步骤
- 第一步：将每个指标与其对应的排名进行配对，并按从高到低或从低到高的顺序排列。
- 第二步：对每对需要比较的值的两个排名进行相减。
- 第三步：将每个差值平方后加总。
- 第四步：使用以下公式计算等级相关性：
其中，
为排名差值的平方和，
为配对观察的数量。
使用等级相关性时，通常将相关系数小于或等于0.3视为低相关性，0.4至0.7视为中等相关性，而大于0.7则视为高度相关性。
总体来说，斯皮尔曼等级相关性在统计能力上稍逊于参数相关性。当观察数量较少时，使用等级相关性是合理的。这个方法可以用于数值数据，也适用于注册值的不同强度属性情况。
另外，这个指标属于振荡器的一种。与随机振荡器相比，它的平滑度更高，并且不会在转折点上滞后。
参数设置
影响计算算法的唯一外部参数是 rangeN。它设定了我们试图寻找规律的 bars 数量。如果 rangeN = 14，那么我们将取收盘价格序列 Close[i], Close[i+1], ... Close[i+rangeN-1]，并为它们构建一个排名序列，即在序列排序时找到每个收盘价的位置。在这种情况下，一个实际图表将与另一个单调递增的图表进行比较。
direction 参数表示从最高值到最低值（true）或从最低值到最高值（false）的排序。值为 true 时显示的是更常见的图像，而 false 则生成反转的图像。CalculatedBars 参数的引入是为了限制计算的 bars 数量，以节省 CPU 资源（尽管这其实并不必要）。该参数为零时，表示将对所有可用历史进行计算。Maxrange = 30 则设置最大计算周期，这个参数也是为了节省资源，也许有人会需要它。
