知道股市什麼時候會崩盤能用來套利嗎? - 股票

By Zora
at 2017-07-08T09:09
at 2017-07-08T09:09
Table of Contents
※ 引述《peter308 (pete)》之銘言:
: ※ 引述《peter308 (pete)》之銘言:
: : 今年的諾貝爾物理獎頒給了 Kosterlitz Thouless 和 Haldane 三個人
: : 在拓譜材料相變理論的貢獻
: : 可是 KT 相變理論有一個叫做重整化群的數學技巧可以用來預測
: : 接近物質相變的時候 臨界指數的變化的行為
: : 這個重整化群的數學技巧跟股市的關係比較密切
: : 如果把股票交易市場看成是一個"物理系統"
: : 如果把股市的崩盤看成是一種相變現象
: : (相變的種類變化萬千,有一階相變,二階相變,n階相變...)
: : 股市的崩盤屬於哪種相變? 其實我也不甚清楚
: : 能否利用重整化群理論去監測股市的"臨界指數"的變化
: : 來知道是屬於哪種相變? 以及什麼時候會產生?
: : 一旦出現要相變的precursor 馬上出脫持股
: : 這樣有辦法套利嗎???
: : 請問各位大大~~
: 最近好好研究了所謂的龍王理論
: 發現自己之前的理解有一點點錯誤
: 所謂的龍王理論其實沒有很難
: 他就是建構在索奈特提出來的 log perodic power law(lppl)方法上
: 而怎麼去得到lppl 會用到兩個比較複雜的的數學技巧
: 1. 重整化群 (物理做高能和相變理論都會用到的一種技巧)
: 2. Hierachy model
: 兩個的數學其實都不是很容易可以推導的, 但也沒有難到像天書那樣難懂
: 但假設你有耐心把1跟2的數學好好算過 就可以推導出lppl
: 並且用lppl去對於歷史資料去作分析
: 所謂的龍王理論下的"龍王"就是lppl 模型擬合曲線下出現的"異數" (outlier)
: 所以龍王可以看成是違反那些週期指數密次分布的函數的亂象
: 我是覺的有興趣的人 可以拿lppl 模型去套看看
: 然後如果發現哪個市場有出現異數
: 或許可以做空還是...??
: 不過龍王理論應該是沒有辦法很準確預測很長時間之後會出現異數或是股市崩盤
: 但應該可以透過一些方法去偵測徵兆
: 像天氣預報無法知道颱風什麼時候會形成
: 但一但形成之後是可以約略預測颱風路徑走向那樣
: 預先知道知道颱風路徑這其實某個程度就能達到避險的目的了,不是?
: 以上
: 不知道有沒有同好也對龍王理論有興趣 想一起研究的呢????
看了你的文章我覺得挺有意思的,去網路上看了一下LPPL理論
簡單得出一些心得分享一下...
1.這其實不就是MACD KD之類的複雜版
LPPL拿一些非合理現象來說現在現在市場已經非理性或是泡沫
換句話說不就是KD過熱?
但LPPL並非只拿單因子來統計是否過熱了,所以我覺得有點像是現在的big data
那這樣你想要從LPPL得到好一點的成效,建立一個好的database極其必要
2.我認為發表這理論的人應該沒在做交易
以LPPL量化事件之後會得出一個數值,我以KD舉例
書上都說KD>80是過熱要賣出 KD<20是超跌要買進
但是有用程式測過的人就會知道單純這樣進出場根本不會賺錢
因為這當中會有幾個盲點
A.>80假設是過熱的話,統計出現鈍化,那通常走勢很大你進場逆勢都要損失慘重
假設進場5次抓到2次,難道就真的有辦法靠這2次賺錢?
B.>80進場放空之後,到底應該要甚麼時候回補?常常KD指標跌到30就到底了
結果根本還沒回補就被嘎上去,所以這類的另一問題是根本抓不到出場點
LPPL就我目前來看就有這問題
所以我得出一個結論,這理論發表者應該沒真實實做過
3.我不認為這是一個用來預測崩盤的模型
我以你用颱風的例子來回應,你假設可以約略知道颱風路徑
那其實意思就是說只能大概知道颱風走勢
那這樣很簡單啊...假設可以預測到颱風會往北走
而且現在颱風已經往北走700公里了,那你就根本不需要颱風怎麼走了
你只需要知道「那些地方颱風根本就不會去」這樣勝率不就是高很多嗎?
意思就是說你根本不需要知道空頭何時會發生,
只需要從LPPL知道現在做多很安全,那不就好了?
反正多頭時期通常時間區間都很長阿...
所以從這最後結論來看...
我更是覺得這裡論發表者應該沒在做交易...
不過我還是從中有些心得,感謝你的分享
--
: ※ 引述《peter308 (pete)》之銘言:
: : 今年的諾貝爾物理獎頒給了 Kosterlitz Thouless 和 Haldane 三個人
: : 在拓譜材料相變理論的貢獻
: : 可是 KT 相變理論有一個叫做重整化群的數學技巧可以用來預測
: : 接近物質相變的時候 臨界指數的變化的行為
: : 這個重整化群的數學技巧跟股市的關係比較密切
: : 如果把股票交易市場看成是一個"物理系統"
: : 如果把股市的崩盤看成是一種相變現象
: : (相變的種類變化萬千,有一階相變,二階相變,n階相變...)
: : 股市的崩盤屬於哪種相變? 其實我也不甚清楚
: : 能否利用重整化群理論去監測股市的"臨界指數"的變化
: : 來知道是屬於哪種相變? 以及什麼時候會產生?
: : 一旦出現要相變的precursor 馬上出脫持股
: : 這樣有辦法套利嗎???
: : 請問各位大大~~
: 最近好好研究了所謂的龍王理論
: 發現自己之前的理解有一點點錯誤
: 所謂的龍王理論其實沒有很難
: 他就是建構在索奈特提出來的 log perodic power law(lppl)方法上
: 而怎麼去得到lppl 會用到兩個比較複雜的的數學技巧
: 1. 重整化群 (物理做高能和相變理論都會用到的一種技巧)
: 2. Hierachy model
: 兩個的數學其實都不是很容易可以推導的, 但也沒有難到像天書那樣難懂
: 但假設你有耐心把1跟2的數學好好算過 就可以推導出lppl
: 並且用lppl去對於歷史資料去作分析
: 所謂的龍王理論下的"龍王"就是lppl 模型擬合曲線下出現的"異數" (outlier)
: 所以龍王可以看成是違反那些週期指數密次分布的函數的亂象
: 我是覺的有興趣的人 可以拿lppl 模型去套看看
: 然後如果發現哪個市場有出現異數
: 或許可以做空還是...??
: 不過龍王理論應該是沒有辦法很準確預測很長時間之後會出現異數或是股市崩盤
: 但應該可以透過一些方法去偵測徵兆
: 像天氣預報無法知道颱風什麼時候會形成
: 但一但形成之後是可以約略預測颱風路徑走向那樣
: 預先知道知道颱風路徑這其實某個程度就能達到避險的目的了,不是?
: 以上
: 不知道有沒有同好也對龍王理論有興趣 想一起研究的呢????
看了你的文章我覺得挺有意思的,去網路上看了一下LPPL理論
簡單得出一些心得分享一下...
1.這其實不就是MACD KD之類的複雜版
LPPL拿一些非合理現象來說現在現在市場已經非理性或是泡沫
換句話說不就是KD過熱?
但LPPL並非只拿單因子來統計是否過熱了,所以我覺得有點像是現在的big data
那這樣你想要從LPPL得到好一點的成效,建立一個好的database極其必要
2.我認為發表這理論的人應該沒在做交易
以LPPL量化事件之後會得出一個數值,我以KD舉例
書上都說KD>80是過熱要賣出 KD<20是超跌要買進
但是有用程式測過的人就會知道單純這樣進出場根本不會賺錢
因為這當中會有幾個盲點
A.>80假設是過熱的話,統計出現鈍化,那通常走勢很大你進場逆勢都要損失慘重
假設進場5次抓到2次,難道就真的有辦法靠這2次賺錢?
B.>80進場放空之後,到底應該要甚麼時候回補?常常KD指標跌到30就到底了
結果根本還沒回補就被嘎上去,所以這類的另一問題是根本抓不到出場點
LPPL就我目前來看就有這問題
所以我得出一個結論,這理論發表者應該沒真實實做過
3.我不認為這是一個用來預測崩盤的模型
我以你用颱風的例子來回應,你假設可以約略知道颱風路徑
那其實意思就是說只能大概知道颱風走勢
那這樣很簡單啊...假設可以預測到颱風會往北走
而且現在颱風已經往北走700公里了,那你就根本不需要颱風怎麼走了
你只需要知道「那些地方颱風根本就不會去」這樣勝率不就是高很多嗎?
意思就是說你根本不需要知道空頭何時會發生,
只需要從LPPL知道現在做多很安全,那不就好了?
反正多頭時期通常時間區間都很長阿...
所以從這最後結論來看...
我更是覺得這裡論發表者應該沒在做交易...
不過我還是從中有些心得,感謝你的分享
--
Tags:
股票
All Comments

By Hamiltion
at 2017-07-10T11:37
at 2017-07-10T11:37

By John
at 2017-07-10T22:57
at 2017-07-10T22:57

By Una
at 2017-07-15T05:12
at 2017-07-15T05:12

By Charlie
at 2017-07-18T06:24
at 2017-07-18T06:24

By Zora
at 2017-07-21T10:26
at 2017-07-21T10:26

By Anonymous
at 2017-07-21T23:22
at 2017-07-21T23:22

By Frederic
at 2017-07-26T12:04
at 2017-07-26T12:04

By David
at 2017-07-27T14:50
at 2017-07-27T14:50

By Barb Cronin
at 2017-07-31T18:20
at 2017-07-31T18:20

By Elizabeth
at 2017-08-01T01:37
at 2017-08-01T01:37

By Isla
at 2017-08-03T01:49
at 2017-08-03T01:49

By Lily
at 2017-08-05T21:47
at 2017-08-05T21:47

By Doris
at 2017-08-07T06:26
at 2017-08-07T06:26

By Aaliyah
at 2017-08-11T15:35
at 2017-08-11T15:35

By Margaret
at 2017-08-15T22:43
at 2017-08-15T22:43

By Iris
at 2017-08-18T07:32
at 2017-08-18T07:32

By Andy
at 2017-08-20T15:26
at 2017-08-20T15:26

By William
at 2017-08-22T07:14
at 2017-08-22T07:14

By Jacob
at 2017-08-22T22:06
at 2017-08-22T22:06

By Elma
at 2017-08-27T08:31
at 2017-08-27T08:31

By Kama
at 2017-08-29T08:13
at 2017-08-29T08:13

By Catherine
at 2017-09-01T06:03
at 2017-09-01T06:03

By William
at 2017-09-03T02:01
at 2017-09-03T02:01

By Blanche
at 2017-09-03T03:09
at 2017-09-03T03:09

By Kumar
at 2017-09-05T23:51
at 2017-09-05T23:51

By William
at 2017-09-10T05:22
at 2017-09-10T05:22

By Kumar
at 2017-09-11T16:03
at 2017-09-11T16:03

By Rosalind
at 2017-09-15T16:33
at 2017-09-15T16:33

By Elma
at 2017-09-20T13:35
at 2017-09-20T13:35

By George
at 2017-09-23T14:48
at 2017-09-23T14:48

By Noah
at 2017-09-24T21:24
at 2017-09-24T21:24

By Rachel
at 2017-09-27T21:31
at 2017-09-27T21:31

By Caitlin
at 2017-10-01T17:12
at 2017-10-01T17:12

By Yuri
at 2017-10-06T01:32
at 2017-10-06T01:32

By Lauren
at 2017-10-09T04:46
at 2017-10-09T04:46

By Lauren
at 2017-10-13T12:33
at 2017-10-13T12:33

By Lydia
at 2017-10-15T23:48
at 2017-10-15T23:48

By Kyle
at 2017-10-18T21:31
at 2017-10-18T21:31

By Joseph
at 2017-10-23T11:47
at 2017-10-23T11:47

By Odelette
at 2017-10-24T03:07
at 2017-10-24T03:07

By Brianna
at 2017-10-27T22:36
at 2017-10-27T22:36

By Erin
at 2017-10-28T10:09
at 2017-10-28T10:09

By Hamiltion
at 2017-10-30T19:01
at 2017-10-30T19:01

By Hazel
at 2017-10-31T08:39
at 2017-10-31T08:39

By Freda
at 2017-11-02T07:18
at 2017-11-02T07:18

By Suhail Hany
at 2017-11-03T05:07
at 2017-11-03T05:07

By Kyle
at 2017-11-05T14:37
at 2017-11-05T14:37

By Adele
at 2017-11-08T18:19
at 2017-11-08T18:19

By Zenobia
at 2017-11-09T11:33
at 2017-11-09T11:33

By Charlotte
at 2017-11-10T01:21
at 2017-11-10T01:21

By Megan
at 2017-11-12T07:26
at 2017-11-12T07:26

By Belly
at 2017-11-13T04:56
at 2017-11-13T04:56

By Callum
at 2017-11-13T09:35
at 2017-11-13T09:35

By John
at 2017-11-15T06:13
at 2017-11-15T06:13

By Zanna
at 2017-11-18T03:11
at 2017-11-18T03:11

By Eartha
at 2017-11-20T14:49
at 2017-11-20T14:49

By Todd Johnson
at 2017-11-25T05:10
at 2017-11-25T05:10

By Todd Johnson
at 2017-11-26T07:54
at 2017-11-26T07:54

By Olga
at 2017-11-27T22:09
at 2017-11-27T22:09

By Rosalind
at 2017-12-01T03:00
at 2017-12-01T03:00

By Joseph
at 2017-12-03T01:44
at 2017-12-03T01:44

By Frederica
at 2017-12-04T13:32
at 2017-12-04T13:32

By Kumar
at 2017-12-07T11:53
at 2017-12-07T11:53
Related Posts
美國的土地投資會有風險嗎?

By Ina
at 2017-07-08T08:32
at 2017-07-08T08:32
小魯蛇三號心得

By David
at 2017-07-08T02:12
at 2017-07-08T02:12
三星Q2營業利潤創新記錄 有望登上全球最\

By Dora
at 2017-07-08T02:12
at 2017-07-08T02:12
6235 華孚

By Jack
at 2017-07-08T00:18
at 2017-07-08T00:18
財政部:6月出口年增成長13% 台灣出口連9

By Susan
at 2017-07-08T00:18
at 2017-07-08T00:18