|
發表於 2018-11-11 02:02:58
|
顯示全部樓層
8 h- \4 [& b) f9 q& X$ S0 ]4 P1)實際上,分型布朗運動比波浪理論更適合作為重點、更接近市場“分類”的真相。波浪理論是一種理想化、未經數據檢驗的不完整理論。(畢竟Elliot那個時代,根本就沒有數據驗證這個概念,他自己也沒憑這個賺過錢)3 U# z& _1 {0 W& u, h8 a" }
波浪理論最有價值就是概念中提出了層級嵌套這個概念。近似分型級別的嵌套。(不知是否誤打誤撞)
5 E5 n4 `- j4 `關於波浪曾經提到過的一點看法,以及市場近似分型(分數)布朗運動:! `4 } [5 |" ~9 L" j
* z% J6 i# X9 B# t$ U5 V Y
7 s5 M: B% [. P8 b4 V3 p2)週期其實是一種“幻象”,只是現象不是原理。但說到形、數、理、象,它是可以連續性去描述市場狀態的一種觀測標尺。) I' \& ~& K) _) Q9 g6 |% |: Z/ ?
如果,已經建立算法,讓電腦自己去耦合(擬合)特徵,取得概率分佈。當然就不需要去計算週期。但是就投入交易使用來說,完全照算法建模對硬體要求太高,有時效性問題。近似傳統的技術分析方式反而更有指導作用(前提是,經過大量數據檢測過傳統技術分析的一些假設是否存在、被證實。): g* Z% n7 N* q j e/ R! t$ {! b
1 K$ i Q6 p' }& S3 _8 D3 X" S" |# A3)週期這種幻象,其實一直都存在。若投入使用,難的其實在於怎麽正確採樣(時間序列可能出現無數種樣本、分型也可能無數種,怎麽去選最能解決當下問題的)。但是非常有用,尤其是對數週期冪率模型(LPPL模型,冪法則和正向回饋),可以說是神一般的模型。對於超指數型增長、衰竭數據,臨界點無一缺漏。
; M8 @$ t! H9 d* K% o ELPPL模型,當時在2015年上證股災時,先驗性的提示:7 _; Q6 R( j6 O _% D) n& V
1 k6 |, q. _0 S9 `$ A; r+ M( \3 c, @$ s) k# W0 i9 N2 m7 V D+ M
% H3 f( l. s' F! ]" P9 V
9 p+ O# M* J0 N9 r( N. K
PS. ETH實驗室,之後對上證(2015/06/15,5178.19開始的崩盤),所做的有關LPPL模型的詳盡報告(4 d+ o" j3 n: p1 K% |: N- H% }
Real-Time Prediction and Post-Mortem Analysis of the Shanghai 2015 Stock Market Bubble and Crash):
/ X' `, D+ r- e& a$ A# R* I: ?, a( [9 K- O8 M
: V) p0 A, \8 @7 A. _ |
本帖子中包含更多資源
您需要 登錄 才可以下載或查看,沒有賬號?申請入學
x
|