时间之窗也干就是所谓的时间变盘点,是天文学的可公来自度性在股市中的运用,或称时间窗降规盐普。
可公度性是自然界的一种360百科秩序。"可公度性" 一词是氢在天文学中首先提出来的。
可公度性是自然界的一种秩序。"可公度性"一词是在天文学来自中首先提出来的。拉普拉斯在200多年前注意到木星的360百科三个主要卫星的平均运动Z1,Z2,Z3服从下列关系式:Z1-3×Z2+2×Z3=0。同样,土星的四个卫星的平均运动Y1,Y2,Y3,Y4也具有类似的关系:5×Y1-10×Y2+Y3+4×Y4=0。我们就称这些卫星之间存在可公度性。由于至今还没有人能够提出有说服力的机制理论,所以一直当作经验关系写入某些文献中。笔者认为可公度性的实质是--利用数学模式反映出事物本身或相关事物之间的运动关系中隐含的周期性规律,它是周期性规律的扩张化应用,在增加错误(或虚惊)概率的代价下,可以从很宽的范围内分辨并抽提出微弱的、非偶然的信号,类似于遗代低满香物乎单贵艺倍传算法中的自我隔代复制。
除了天文学,自然界的许多客观事物都存在着可公度性。
化学元素周期表
我们从化学元素周期表取出前10个元素,按原子量顺序排,得出:
X1(H)=1.008,X2(He)=4.003,X3(Li)=6.941,X4(Be)=9.012,X5(B)=10.811,X6(C)=12.011,X7(N)=14.0067,X8(O)=16.000,X9(F)=18.998,X10(Ne)=20.179。
它们之间的可公度性二元公式具有以下关击便米处限片绿逐去系:
X1+X6=13.019,几乎等于X频演唱磁2+X4=13.鱼体015;
X1+X将有不9=20.006,几乎等于X2+X8=20.003;
X4+X9=28.010,几乎等于X6+X8=28.011,X7+X7=28.014。
念每示沉少湖接它们之间的五元可公度性可表达为:
X9+X9+X1-X6-X2=22.99
X9+X8+X1-输刻流末X4-X2=22.991
X9+X7+X7-X6-X6=22.98先担尽额静输防迅94
X8+X8+X4-X7-X2=23.0023
X6+X4规福+X2-X1-X1=23.01
它们的值都几乎与钠(Na)的实际原子量22.98接近,可信度达到99%。
2.可公度性在气象灾变预测中也得到了非常广泛的运用,曾经有人预测北京每年的大风大雨时间,准确率在80%以上。可公度性在地震预测中的实用性也非常强。
3.可公度性的概念从天文学扩张到统计预测学中。
在经绝备距是差用典统计学中,对掷硬币有一个不可动摇的定论:掷的景执优创新次数越多,正面和反面越倾向于平均。如掷100次,正面的次数为53,反面的次数为47,正面53%,反面47%;当掷到1000次时,正面的次数可能只有520,反面的次数只有480,正面52%,反面48%--掷的次数越多,正面和反面比例上越趋同。这一经典结论自从产生后未效元钟盾如声层效受到任何人的怀疑。其实,我们如果从差异性来分析,可以看到,如果你掷100次,正面的次数比反面的次数多6次,而当你掷100义注行亲流联陆0次,正面的次数已经比反面的次数多40次了,这说明两者之间的差随着掷的次数增多,不是减少而是增大,因此,实际运用统计学原理时不仅要研究数的平均,还要研究数的差,笔者认为可公度性正是研究数的和与差。
从这一思维起点出发,我官清坐端们可以认为数学模式是自然模式的反映,但是:
1)自然模式里也存在着偶然性和普适性,偶然性事件的发生不具有可重复性,无法反复验证,缺乏可公度性。普适性事件不仅时有发生,而且还会以某些特定的方式重复出现,具有一定的规律性,可以建立某种数学模式,分析过去并预测未来。
2)作为对自然模式的反映,数学模式并不是越复杂越好。
3)只有越简单才越具有普适性,越能反映自然模式,加减法最能保持自然数的完整性,尽可能准确地反映了自然的本性,可公度性预测方法里只有加和减,这将大大增加它的普适性。
4)经典统计学之所以在实际运用中效果较差,主要就是它只强调了平均数,而忽略了自然运动的被娘和孩讲晶止多变性和事物在周期性演变中的离差现象。可公度性的预测方法主要是对离差现象的研究。
例如大家都知道上证指数的一个主要低点循环周期是18-20个月,除此之外还隐藏哪些周期,一时半会还不容易发现,而且当大部分人都在利用这个数据时,它的有效性就大打折扣,按以前的规律蒸井。我们利用可公度性对上证指数进行中远期重要转折点预测增婷染盾胶终,得到非常好的效果,以下为预测方法。
选点问转煤初岁触阳题
首先解决选点问题,根据混沌理论中的分形理论原理,底部转折点的前一点和后一点均比转折点高,顶部转折点的前一点和后一点均比转折点低。其次,起点取上证指数历史上第一个重要的转折点。另由于上证指数第一个交易日为1990年12月19日,所以月份的划分以每月18日为界。
低点的可公度性
以下为1991年5月18日上证指数104点以来历次主要低点的时间跨度表,计算方式如下:
设1991年5月18日为0点,低点时间在当月18日之前的计算方法为
时间跨度=(年份-1991)×12-5+月份
低点时间在当月18日之后的只要再加上1即可。
序号 | 指数时间(点位) | 时间跨度 | 序号 | 指数时间(点位) | 时间跨度 |
X0 | 1991.05.17(104) | 0 | X14 | 1999.12.27(1341) | 104 |
X1 | 1992.11.17(386) | 18 | X15 | 2000.09.25(1874) | 113 |
X2 | 1993.03.25(913) | 23 | X16 | 2001.02.22(1893) | 118 |
X3 | 1993.07.27(777) | 27 | X17 | 2001.10.22(1514) | 126 |
X4 | 1993.10.25(774) | 30 | X18 | 2002.01.29(1339) | 129 |
X5 | 1994.07.29(325) | 39 | X19 | 2002.06.06(1455) | 133 |
X6 | 1995.02.07(524) | 45 | X20 | 2003.01.06(1311) | 140 |
X7 | 1995.07.04(610) | 50 | X21 | 2003.11.13(1307) | 150 |
X8 | 1996.01.19(512) | 56 | X22 | 2004.09.13(1259) | 160 |
X9 | 1996.12.25(855) | 68 | X23 | 2005.02.01(1187) | 165 |
X10 | 1997.09.23(1025) | 77 | X24 | 2005.06.03(998) | 169 |
X11 | 1998.08.18(1043) | 87 | X25 | 2005.07.11(1004) | 170 |
X12 | 1999.02.08(1064) | 93 | X26 | 2005.10.28(1067) | 174 |
X13 | 1999.05.17(1047) | 96 |
我们看到X20以前数据基本上可以找到可公度性的规律,比如:
1)X20的低点可以根据以下二元公式数据组得出:
X2+X16=23+118=141,X3+X15=27+113=140,X6+X13=45+96=141,
X19的低点可以根据以下二元公式数据组得出:
X4+X14=30+104=134,X5+X12=39+93=132,X6+X11=45+87=132,X8+X10=56+77=133
2)其他数据也可以根据类似的方法找出,根据以上低点数据目前我们采用二元公式,即把数字两两相加,得出如下数据组:
X4+X15=30+113=143,X5+X14=39+104=143,X8+X11=56+87=143,X1+X17=18+126=144
143指向03年3月,144指向03年4月,也就是说今年2003年3-4月有可能出现一个低点或者次低点。
3)另外我们可以看到另一组数据:
X1+X19=18+133=151,X2+X18=23+129=152,X5+X15=39+113=152,X8+X13=56+96=152,
152指向03年2003年12月附近,也就是说03年底有可能出现另一个低点。意味着我们在03年底之前要选择高点时间区做一次全面的减仓出货。
4)X26低点可以根据以下二元公式数据组得出:
X2+X21=23+150=173,X6+X18=45+129=174,X8+X16=56+118=174,X10+X13=77+96=173
可见 2005.10.28 也是全年一个重要的时间拐点哦。
5)07年大牛市可以根据以下二元公式数据组得出:
X1+X25=18+170=188,X2+X23=23+165=188,X3+X22=27+160=187,
X5+X21=39+150=189,X8+X19=56+133=189
188指向2006年12月附近,年底可能出现个时间拐点,12月或许是大级别的低点时间窗。
同样X6+X20=45+140=185,X8+X18=56+129=185。185指向2006年9月,也可能是一个低点。
高点的可公度性
计算方式如下:
设1992年5月24日为0点,高点时间在当月18日之前的计算方法为
时间跨度=(年份-1992)×12-5+月份-1
高点时间在当月18日之后的只要不减1即可。
序号 | 指数时间(点位) | 时间跨度 | 序号 | 指数时间(点位) | 时间跨度 |
X0 | 1992.05.24(1429) | 0 | X14 | 1999.06.30(1756) | 85 |
X1 | 1993.02.16(1558) | 8 | X15 | 1999.09.10(1695) | 87 |
X2 | 1993.04.29(1392) | 11 | X16 | 2000.08.22(2114) | 99 |
X3 | 1993.08.17(1042) | 15 | X17 | 2001.01.08(2131) | 103 |
X4 | 1993.12.08(1044) | 18 | X18 | 2001.06.14(2245) | 108 |
X5 | 1994.09.13(1052) | 27 | X19 | 2001.12.05(1776) | 114 |
X6 | 1995.05.22(927) | 36 | X20 | 2002.03.21(1693) | 118 |
X7 | 1995.09.12(790) | 39 | X21 | 2002.06.25 (1748) | 121 |
X8 | 1996.07.24(894) | 50 | X22 | 2003.04.16(1650) | 130 |
X9 | 1996.12.11(1258) | 54 | X23 | 2004.04.07(1783) | 143 |
X10 | 1997.05.12(1510) | 59 | X24 | 2004.09.24(1496) | 148 |
X11 | 1997.09.11(1264) | 63 | X25 | 2005.02.25(1328) | 153 |
X12 | 1998.06.04(1422) | 72 | X26 | 2005.06.09(1146) | 156 |
X13 | 1998.11.17(1300) | 77 | X27 | 2005.09.20(1224) | 160 |
首先,我们可以看到以前的数据基本上可以找到可公度性的规律,比如:
1)X21的高点可以根据以下二元公式数据组得出:
X1+X19=8+114=122,X4+X17=18+103=121,X6+X14=36+85=121,
X8+X12=50+72=122,X10+X11=59+63=122
有这么多的时间周期汇集,难怪2002年的六、七月份是铁顶,
2)X20的高点可以根据以下二元公式数据组得出:
X2+X18=11+108=119,X3+X17=15+103=118,X4+X16=18+99=117,
X9+X11=54+63=117,X10+X10=59+59=118
3)其次根据以上高点数据我们采用二元公式,即把数字两两相加,得出如下数据组:
X1+X21=8+121=129,X2+X20=11+118=129,X3+X19=15+114=129,X5+X17=27+103=130,
129指向2003年2月附近,所以2003年2月在高位反复震荡都无法向上突破。
4)2003下一个重要高点数据指向哪呢?看看以下数据组:
X2+X21=11+121=132,X3+X20=15+118=133,X4+X19=18+114=132,
X9+X13=54+77=131,X10+X12=59+72=131,
131指向2003年4月,132指向2003年5月,也就是说2003年4-5月有可能出现一个高点。
5)另一个数据组:
X4+X20=18+118=136,X5+X18=27+108=135,X6+X16=36+99=135,
X8+X14=50+85=135,X10+X13=59+77=136,X11+X12=63+72=135
135指向2003年8月,136指向2003年9月,也就是说今年8-9月有可能出现一个重要高点或者次高点。如果在那时还有股票的朋友需要特别小心了。结合上次预测的低点信号,我们认为2003年第四季度股票持仓率应相对保守。
6)另一个数据组:
X1+X27=8+160=168 ,X2+X26=11+156=167 ,X3+X25=15+153=168 ,
X8++X20=50+118=168, X9+X19=54+114=168
168指向2006年5月份 所以小宝认为是一个重要的高点时间窗,在6月初应该很小心了。
拓展可公度性原理及其误差纠正
根据可公度性的原理,按照公历日计算,以1990年12月为起点0,平均每隔9个月左右就出现一个重要转折点。如下表
时间跨度 | 年份月份 | 与转折点的误差 | 时间跨度 | 年份月份 | 与转折点的误差 |
0 | 1990.12 | 上交所开市 | 81 | 1997.9 | 高点 |
9 | 1991.9 | 无转折点 | 90 | 1998.6 | 高点 |
18 | 1992.6 | (-1)为高点 | 99 | 1999.3 | (+1)为高点 |
27 | 1993.3 | (-1)为高点 | 108 | 1999.12 | 低点 |
36 | 1993.12 | 高点 | 117 | 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 |
160 | 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。
注意的几点
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。