二、向前引用函数：例如 ref(x, n)，引用 n 个周期前的 x 值。当 n 为负数时，它就引用了未来的 x 值。例如 ref(close, -1) 指的是下一个周期的收盘价，这在实时交易中显然是不可知的。 即使 n 为正数，如果结合其他未来函数使用，也可能间接地引用未来数据。例如，如果 a 的计算用到了未来数据，那么 ref(close, a) 也就成了未来函数。
三、barslast(x)： 返回条件 x 成立到当前周期数。如果条件 x 的计算中包含了未来函数，那么 barslast(x) 也就成了未来函数。例如，barslast(cross(ma(close,5),ma(close,10))) 虽然看起来只计算了过去的均线交叉，但实际上，均线交叉的确认需要一定的时间，可能需要用到未来几个周期的数据才能最终确定交叉是否成立。
四、filter(x, n): 返回 n 周期前 x 的值。 如果条件 x 的计算中包含未来函数，那么filter函数也变成了未来函数。
五、其他一些函数： 一些其他的函数，例如 future(x)（部分股票交易软件支持该函数），直接返回未来某个周期的 x 值，这显然是未来函数。
与其苦苦寻觅合适的指标公式，不如自己动手丰衣足食，毕竟现在网络ai工具如此便捷，何不借助科技的力量呢？我自己就是个活生生的例子。想当初动笔写这本书的时候，我对指标公式可谓一无所知，心中充满了茫然和焦虑。但现在，我已经可以熟练地运用ai，编辑出各种所需的指标公式了。看着一行行代码在屏幕上跳跃，最终转化成我想要的指标，那种成就感真是难以言喻。我甚至开始享受这种创造的过程，探索不同的参数组合，仿佛在进行一场奇妙的实验。不得不说，ai的出现，极大地降低了学习和创作的门槛