p;   2000.9    （-1）为高点
　　45    1994.9    高点        126    2001.6    高点
　　54    1995.6    （-1）为高点        135    2002.3    高点
　　63    1996.3    低点        144    2002.12    （+1）为低点
　　72    1996.12    高点        153    2003.9  （+1） 为低点
                                         2004.4  （-1） 高点
     这些转折点几乎都是高点，同样可以推断出今年6月份左右成为高点或者次高点的概率很高。
     任何预测都会存在误差，可公度性同样也不例外，如何回避错误、减少误差，使它成为严谨的、科学的、稳定的、有效的预测方法，笔者总结出以下几点：
　　1、    必须注意数据的分布密度，分布密度有两重含义1》同系列数据内部的比较，象去年高点中六、七月份的密度明显比三月份的高，前者数据为2个121、3个122，后者数据为2个117、2个118、1个119，虽然两者都是五组数据，但前者只与两个数有关，所以更重要一些，六、七月份之后基本上就没有大的反弹。2》不同系列（高、低点）数据之间的比较，象去年12月份的高点数据组非常多，包括X1+X20=126，X2+X19=125，X4+X18=126，X5+X16=126，X7+X15=126，X8+X13=127，X9+X12=126，X11+X11=126，低点数据组偏少。所以，虽然指数已经大幅下跌了不少，但是反弹后仍然继续创新低。
　　2、    必须充分运用反证，高、低点数据有时会有冲突，出现重叠。这时无论是高点还是低点的有效性都大打折扣，行情一般会出现大的波动，并不是重要的转折点，如果高、低点的数据没有冲突时就要特别关注。