Re: [請益] 怎麼判斷是不是在谷底了?
※ 引述《peacemetta (一期一會)》之銘言:
: 近期美股似乎在下跌
: 儘管有部分說法是不要擇時
: 持續投入
: 但老實說還是會希望在股價較低的時候入手
: 不只投資上心情較能平靜
: 未來獲利也較高
: 但想問的是
: 如何判斷股價目前是否到達谷底了?
: 還是停留在半山腰而已
: 有沒有相關的一些客觀判斷方式可以提供廣大股民作為一個參考方式
通常客觀方式 不外乎是數字、模型、統計輸出 來做判斷
這年頭 AI、機器學習 應該是較佳選擇,不過我想大多數人入門還是有點門檻的。
分享一下可以建構客觀判斷的方式,是不太需要寫程式
不過還是需要點相關知識..
資料為月資料,採用模型與總經、市場資料
1.模型選擇:二元迴歸模型
二元迴歸模型的輸出 介於0~1,0就是沒有,1就是有,或是off/on 也行
二元迴歸採logit型式相當類似於 類神經網路N-1-1架構。
N代表 輸入的變數數目,1-1 代表 隱藏(處裡)、輸出(0~1)的S型函數。
輸出像是這樣 https://imgur.com/21n95Cm。
所以雖然不會機器學習,但是有個類似的模型可以使用。
2.資料標記
這陣子大概因為 AI 多少聽過監督式學習,二元迴歸也可以視為類似
監督式學習的一種。
就是把歷史資料中認為是"谷底"的 標記出來,是谷底的為1,不是為0。
標記谷底可以用 觀察法,也可以用移動平均計算乖離法。
但我這裡推薦用HP filter方法,當然前兩個也可以 但
1.觀察法:有點主觀,相較於乖離率不夠準確。
2.移動平均法:取多長T作為計算基礎其實也是個問題,
再來就是移動有落後的問題。
HP filter方法優缺點我這邊就不多贅述,以下計算過去SP500 月資料
結果如下:
可以看到藍色線是所謂循環項,也可以稱為乖離率。
乖離率可以做成次數分配圖,基本上我這裡標記 在歷史資料中 乖離率在百分位數
低於5%的 稱為谷底。
最近谷底
https://imgur.com/ouqHrau
歷史標記
https://imgur.com/56c6GXK
3.模型建立與輸出
採用t-1資料預測t的谷底機率,如果..
機率值
2025/2 30%
2025/3 5% 假設我們在3月任意時間,利用2025/2 總經與市場資料計算的機率值
如果出現這樣的機率走勢,可以假定2025/2為谷底。
若 2025/3 機率值大於某門檻值,例如30%,則2025/3 可能繼續探底
谷底還沒到。
我這裡採用probit 模式
https://imgur.com/OA0wdeM
根據前述方法建構的 預測模型結果如下
https://imgur.com/OPU8CSE
結語
上述是建構客觀判斷谷底的方法,不過..
1.沒有任何方法可以百分之百準確預測股價底部。
2.因為模型畢竟無法完美預測,會有誤判的放砲狀況
3.如果可以擴大資料種類範圍,輔以更厲害的模型可以提高準確度
上述模型的資料變數頗多,其實也很常見,例如M2、失業率、就業狀況
經濟領先指標,市場波動度等等...
末祝
賺大錢
SP500 跌破5800之前 應該還不用討論底部..
--
爆
首Po近期美股似乎在下跌 儘管有部分說法是不要擇時 持續投入 但老實說還是會希望在股價較低的時候入手 不只投資上心情較能平靜13
回到我們學習技術分析的最初心 k線跟均線 ma20 跟 ma60死叉, 才算走空 所以現在都算回調而已 要怎麼看他回調到甚麼時候?18
先講結論A33表示今年谷底在年尾 只能說兩年前的多頭大將軍A33 今年一月初也轉8成美債蛙了 目前A33給出的指示是 —————————-2
我幫你問馬斯克的小弟Grok底迪,下面是他的報告: ----------------------------------------- 你好!你的問題非常實際,很多投資者都會面臨類似的困惑:如何判斷股市是否已經觸底 ,或者只是短暫的回調?雖然沒有一個方法能百分之百準確預測「谷底」,但確實有一些 客觀的指標和方法可以幫助你分析市場趨勢,做出更理性的判斷。18
肥宅有個小技巧是蝦皮買賣東西得來的 肥宅賣iPhone,原價4w的iPhone 肥宅賣3.5w 結果過了ㄧ段時間沒人買, 肥宅想那3.5w元改成2.8w元 靠邀馬上ㄧ狗票人 商家 學生 買2
問切特ㄐㄆㄊ:怎麼判斷股市是不是在谷底了 ㄐㄆㄊ: 判斷股市是否已經觸底(谷底)並不是一件容易的事,但可以從以下幾個角度來觀察: 1. 技術分析指標 移動平均線(MA):當股價長時間低於200日移動平均線,並開始企穩或出現黃金交叉(短32
依照國際慣例, 先上我的帳戶: 這幾天我每天接刀買到滿手血, 這幾天的對帳單, 很多是掛了兩個月的芭樂價昨天跟今天不小心成交買到:5
身為2024年尾入場的小萌新 個人感覺現在是在2022年6月這邊 就是頭部跌破的初跌段 這裡一樣有巴吹吹巴巴滿手現金很神14
目前倉位 15%美債 15%NV + TSM 70%QQQ 全部正股
爆
Re: [問題] 繪師有權力禁止別人學習畫風?兩邊都有學一點,試著回一下: 「繪師能不能禁止AI學習他的畫風?」 其實這個問題預設條件就錯了,現行的AI其實追根究柢到最後都是統計技術, 那種「會自己思考」的AI還不存在,可能也還要很久才會出現。 現在所謂的AI技術幾乎都是指深度學習、類神經網路等技術,40
Re: [外絮] 用機器學習模型預測MVP得主大略看了一下原文 提供我的一點淺見 首先 使用機器學習處理問題 是假設實際存在一個真實的模型33
Re: [新聞] 陳明通:余正煌拿林智堅的資料寫論文余正煌用二元勝算對數迴歸分析建立解釋模型 林智堅用二元勝算對數迴歸分析建立解釋模型 兩者同樣有針對人口和政治社會心理變數10
Re: [問卦] DeepSeek成本這麽低的原因是啥?目前的推測應該是跳過了訓練模型的部分 也就是說不是從0開始構築AI模型,而是用成熟的AI模型來訓練,避免掉很多無謂的試錯 或空轉,也就是之前新聞在說的「蒸餾技術」 AI 系統中的 「蒸餾技術」(Knowledge Distillation,知識蒸餾),是一種 模型壓縮 (Model Compression) 方法,主要用來讓較小的模型學習較大模型的知識,同時保持高6
Re: [新聞] 吳欣盈街頭開講近全台語 群眾喊「you are道 : 2. GDPR 架構上有沒有問題?有。其中一個是因為很多領域如醫療等其實很難訂出全歐 一 : 3. 另根據研究,在 GDPR 實行也對產業產生衝擊,有數據指出有 8% 的利潤損失,其 中?6
Re: [問卦] 為何台灣是AI晶片重要生產地,但是AI軟體模型都沒一般而言,所謂的AI Chip指得是特化過往CPU功能的晶片,過往CPU集成的晶片會強調指 令控制跟緩存的功能,但DL/AI模型其實更強調運算元(ALU)所以像NPU、GPU就是特化計算 元其他的功能就縮到最小,所謂AI專用晶片本質上就是這樣的一種類CPU特化架構的晶片 。因為對於當前所有的DL模型原子化到最小計算就是在做矩陣加減乘除跟線性變換。 不過目前整個設計還是follow國外廠商的需求,所以台灣更像是代工上游廠商。當然啦!3X
[情報]K-近鄰演算法在圖型識別領域中,最近鄰居法(KNN演算法,又譯K-近鄰演算法)是一種用於分類和迴 歸的無母數統計方法[1]。在這兩種情況下,輸入包含特徵空間(Feature Space)中的k 個最接近的訓練樣本。 在k-NN分類中,輸出是一個分類族群。一個物件的分類是由其鄰居的「多數表決」確定的 ,k個最近鄰居(k為正整數,通常較小)中最常見的分類決定了賦予該物件的類別。若k2
Re: [新聞] OpenAI:已掌握DeepSeek盜用模型證據→ William: 現代ML跟混沌有關?也太亂套了... 223.137.83.145 01/30 15:55 → William: 還有deepseek的實作就不是你想像的用同 223.137.83.145 01/30 15:59 → William: 一份資料重複學習.. 223.137.83.145 01/30 15:59 → William: deepseek r1跟你的論文的實作就不同..先 223.137.83.145 01/30 16:13 → William: 去看過deepseek的論文再來討論.. 223.137.83.145 01/30 16:133
Re: [問卦] 告白時怎麼知道自己成功率多少?這位兄day,你問了一個非常有深度的問題, 要計算出告白成功的機率,我建議採取以下流程: 1. 資料蒐集/資料標記 首先你需要想辦法蒐集到包含下列資料的足夠樣本,我看最少需要個幾千筆, a.人口統計變項:年齡、性別、居住地、職業、年收入、身高、體重、有無房產等。- 我認為要先釐清楚一點,要做AI的模型並非只能透過Python, 大家都用Python原因在於AI套件都已經由國外的大神做好了, 甚至有些套件都事先訓練好資料,提供weight檔案,可以直接使用應用在某些專案, 若只是要用這些AI套件,使用Python非常方便 Python的優點: