0:8月21日补充12月收盘的年线分析图3幅:


1:自相关和自褶积分析:
作为探寻规则化信息的一种手段,是检查数据系列中是否存在有序信号的重要方法。这种方法在通讯行业和地球物探等行业早就得到了广泛应用。只是尚未见到用于资本市场分析。下文对沪指尝试性地用此方法作个分析,其原理或原则方法可参见关于自相关函数和自褶积函数的一个研习http://blog.sina.com.cn/s/blog_55954cfb0100hwhg.html
2:沪市的5级分级系列
成长股之父费雪的小儿子肯.费雪认为证券市场的走势只有四种,每年市场走势将呈现其中的一种,包括:市场大幅上涨(大牛市)市场小幅上涨(小牛市)、市场小幅下跌(小熊市)、市场大幅下跌(大熊市)。
他的思维模式是非涨即跌,西方的排中律观念根深蒂固。他排除了不涨不跌(即横盘)的状态。如果我们把横盘状态补充进来,就可以构成一个完美的5级分级系列:
1:市场大幅下跌(大熊市)-----对应人性------: 恐慌
2:市场小幅下跌(小熊市)------------------- -: 恐惧
3:市场横盘
------------------- --:中性
4:市场小幅上涨(小牛市)------------------- --:贪婪
5:市场大幅上涨(大牛市)-------------------- -:非常贪婪
我们观察以1991年5月为起始点的年K线(即收盘为下一年的5月),上述5种市场走势一目了然。其中有5根特别瞩目的大阳线,即可标为5级;6根大阴线可标为1级,依次标出每年的级别。

下图作出年涨跌幅度百分比即收益率曲线,以定量的形式来划分5级系列:年涨幅等于或大于50%的标为5级,年跌幅大于20%标为1;年涨跌幅在零轴附近正负5%以内可标为3,介于这之间的上涨的就标为4,下跌的就标为2。
时间 |
收盘 |
年涨跌幅 度% |
5级分级 |
1991/05/31 |
114.83 |
|
|
1992/05/29 |
1234.71 |
200.00% |
5 |
1993/05/31 |
935.48 |
-24.23% |
1 |
1994/05/31 |
556.26 |
-40.54% |
1 |
1995/05/31 |
700.51 |
25.93% |
4 |
1996/05/31 |
643.65 |
-8.12% |
2 |
1997/05/30 |
1285.18 |
99.67% |
5 |
1998/05/29 |
1411.2 |
9.81% |
4 |
1999/05/31 |
1279.32 |
-9.35% |
2 |
2000/05/31 |
1894.55 |
48.09% |
5 |
2001/05/31 |
2214.25 |
16.87% |
4 |
2002/05/31 |
1515.73 |
-31.55% |
1 |
2003/05/30 |
1576.26 |
3.99% |
3 |
2004/05/31 |
1555.91 |
-1.29% |
3 |
2005/05/31 |
1060.74 |
-31.83% |
1 |
2006/05/31 |
1641.3 |
54.73% |
5 |
2007/05/31 |
4109.65 |
150.39% |
5 |
2008/05/30 |
3433.35 |
-16.46% |
1 |
2009/05/27 |
2632.93 |
-23.31% |
1 |
2010/05/31 |
2592 |
-1.55% |
3 |
从上图我们看到,5级分级系列可以用来刻画和形象年涨跌幅度,或者说5级分级系列用来逼近市场涨跌状态,还是相当靠谱的。
其实5级分级系列随处可见,如星级酒店,考核成绩,旱涝分级等等,当然还有诸如风力,地震等其它级别的分级系列,分级的关键是是否符合或贴近实际。因为用的是正整数,很容易记忆和计算。整数可以代表实在的量子特性或可数性(翁文波语),或称之为信息数码系统(欧阳首承语)。这便是信息代数的来源,这个用数代表实际存在状态的过程,就是代数的本来含义。整数是反映客观世界的一种秩序,也就是信息,同时也是中继和传播信息的介体。股市的数据记录,若看成是“连续”的,属于统计范畴,在我们带有一定主观成分的分级后,呈现“离散”的可数性,可数性给予我们某种程度的信息,从而我们拥有了可分析性。例如,波浪理论的本质也是把连续性走势划分为可数性的离散性信息。
3:沪市时间序列的自相关和自褶积分析
按照5级分级系列,我们就得到了一组对应于1992.5----2010.5月的年度时间序列的数据分布:Xi=﹛5,1,1,4,2,5,4,2,5,4,1,3,3,1,5,5,1,1,3﹜,共19个数据。下图是对这19个数据的自相关和自褶积分析。
映入我们眼帘的曲线既不同于纯信息序列,也有别于纯噪音系列,但却更接近于前者,说明含有相当高程度的规则化信息。
一般来说,周期性是数据序列中的一种重要秩序。一个没有周期性信号的零和平稳序列(零和平稳序列指均值为零即已中心化处理的平稳序列;一个随机过程的均值和方差在时间过程上都是常数,则称之为平稳的),它们的自相关序列值rτ随着rτ的增加逐步下降。反之,含有明显周期性信号的零和序列,其自相关序列值rτ和自褶积序列值Cc在图上都会表现出峰和谷。如果周期性因素很复杂,许多峰和谷互相混淆,显不出来,但自相关序列值rτ和自褶积序列值Cc一般不随τ和c的增加逐步下降。
看上图,首先,自相关序列明显有周期为3的(Δτ=3)5个峰τ=﹛3,6,9,12,15﹜;6个谷,τ=﹛1,4,7,10,13,16﹜;全序列围绕1,2,3,4,5这5个数的自乘积的均值9上下分布。
其次看自褶积序列:可以识别出的周期为3的(Δc=3)5个峰c=﹛4,7,10,13,16﹜;5个谷,c=﹛3,6,9,12,15,﹜;全序列多部分位于均值9以下。自相关和自褶积的谷与峰两两相对。
把周期为3(Δτ=3)的自相关序列的5个峰τ=﹛3,6,9,12,15,18﹜与时间对应起来:t=﹛1995,1998,2001,2004,2007﹜;把自褶积序列的6个谷,c=﹛3,6,9,12,15,18﹜和时间也对应起来:t=﹛1995,1998,2001,2004,2007,2010﹜。
同理,利用自相关序列和自褶积序列,也可以把对应于股市低点的年份一一找出来。例如,自褶积序列的周期为3的(Δc=3)5个峰c=﹛4,7,10,13,16﹜就对应于股市低点的年份,特别是
c=﹛7,10,13,16﹜非常规则地间隔3,分别对应于1999年,2002年,2005年,2008年的5月附近,3年周期十分显著。见下图得标注:

补充:以12月收盘的年线分析图:

4:结语
(1):该方法证实证券市场中确实存在非偶然的有序的周期性信号,从看似无序的股市运动轨迹中可以提取出有序的有用信号,是对资本市场中的随机漫步理论的一个否定,这一市场不可知论,认为市场是纯噪音系列的看法,显然是错误的。
(2):方法本身的逻辑是严密的,是通讯和地球物探专业常用的技术方法。但存在着处理的对象数据及结论仍比较粗放的缺点,只能指其大概,可以用来配合其它技术手段进行分析。
(3):本贴所取的以每年5月为收盘价,是因为5月极其特殊,其高点序列十分显著,低点也成序列,故以此为基础,尝试进行自相关和自褶积分析。其实12月也不错,也是成序列的,即含有有序信号的,见上图所标注。
尽管数据量不算大,计算还是很麻烦,历尽曲折!
加载中,请稍候......