在零和且无法做空的非分红股票市场中实现最低收益最大化 1/2

发表于2025-02-27由Wadelau

懂得都懂。明白人知道应该极力避免进入这样的证券股票市场——零和博弈、不分红、无法做空。

人在江湖，往往身不由己，如果不可避免的要在这凶神恶煞地狱般的人海中搏风打浪的话，该怎么做呢？

为此我们以 有福金融 UfqiFina （ https://ufqi.com/finance ）为依托平台，对这个问题的答案进行了苦苦求索，近几年来不断地升级优化，增加更多的计算、更多的指标、复杂的约束组合。所感幸运的是， UfqiFina 日趋成熟与稳健，最好的记录、最后的（最新的记录）、也是最长的记录，我们已经从 2024年5月以来，实现了每个月都是正收益的业绩（截至 2025年2月，连续9个月）。

带着这一路走来的磕磕绊绊的头破血流的探索，我们感到收获满满，当我们满怀信心踌躇满志要大干一番的时候，适逢会深度思考的人工智能逐渐崭露头角，赢得了各方面人士的赞许，我们也在其余的文章中屡次提到。毫不犹豫的，我们将这个问题提给了最新版的各个具有深度思考和推理能力的机器人，看看他们是如何分析和解决这一问题的。

下面是这次头脑实验的记录和分析，让AI机器人解决问题——如何在零和且无法做空的非分红股票市场中实现最低收益最大化?
这是研读经济学著作的第四十四篇习作，之前的四十三篇各章节内容，请参考文末的链接。

1A. 求问AI大语言模型：这样恶劣市场下的投资策略

我们设计的提问词:
假如你是一名资深投资人，目前处在一个不分红，且是零和博弈的股票市场中，而且无法做空，这样的情况下，什么策略能获得收益最大化?

针对这个问题，我们分别提给这些AI大语言模型—— OpenAI ChatGPT, Twitter Grok, Deep Seek with QQBrowser, DeepSeek with Baidu.

非常快速的，在各个AI大语言模型，经过短暂的思考之后，都给出了明确而具体的投资策略。令人惊奇的是，这些分析的内容结果（投资策略）都很相似，也就是这样的证券股票市场，只能靠在上升阶段低买高卖来赚钱。所以，策略的核心就是发现上升趋势，然后买入，短暂持有后，再及时卖出。
大致的中心思想和主题内容就是这样。综合比较各个AI的输出，我们觉得 DeepSeek with QQBrowser 的输出最贴合我们在 UfqiFina 上的实践与体验。所以就列出它的回答，贴如下。

//- 引文开始

在零和且无法做空的非分红股票市场中，收益最大化的核心在于捕捉价格波动差和强化交易系统有效性。结合市场特性和投资逻辑，建议采用以下策略：

一、趋势跟踪策略（动量效应）

  1. 顺势而为
    通过技术分析（如均线系统 Moving Average、MACD指标）识别上升趋势，在突破关键阻力位时介入。例如，当股价站稳30日均线且成交量放大时，视为趋势启动信号。
  2. 强者恒强法则
    聚焦资金持续流入的板块或个股，利用市场惯性获利。例如，若某行业龙头股连续3日涨幅超过5%且换手率提升，可视为短期强势信号。

二、波段交易优化

  1. 精准择时
    结合量价关系与K线形态（如杯柄形态、旗形整理）确定买卖点，持仓周期控制在3-15个交易日，避免长期持有导致的零和损耗。
  2. 动态止盈止损
    设置阶梯式止盈（如每上涨5%上移止损位）和硬性止损（单笔亏损不超过本金的2%），通过风险收益比（建议≥3:1）过滤低效交易。

三、认知变现与系统化执行

  1. 专注单一策略
    深耕技术分析或事件驱动等特定领域，避免多策略冲突1。例如，仅交易突破前高的个股，或专注政策利好引发的短期行情。
  2. 机械化操作
    建立明确的交易规则（如“收盘价跌破10日均线即离场”），通过纪律性执行减少情绪干扰。

四、资金与仓位管理

  • 凯利公式优化仓位
    根据胜率和赔率动态调整仓位：f = (bp -q) / b
    ​其中，( f )为投入资金比例，( b )为盈亏比，( p )为胜率，( q=1-p )。
  • 分散风险
    同时持有3-5只相关性低的标的，单一个股仓位不超过总资金的30%。

关键风险提示

零和市场需警惕流动性陷阱和过度投机。若市场出现连续缩量横盘或政策干预信号，建议降低仓位至50%以下，优先保留现金等待确定性机会。

//- 引文结束

UfqiFina 经过近几年的摸索，基本中心思想也就是围绕上面的各个要点做文章，落实各个技术细节，优化各个技术指标等。所不同的是，我们走过了太多的弯路，所谓曲折的探索，说出来都是泪。几年的艰辛探索，AI大语言模型几分钟就精准地提炼出来了。

UfqiFina 里使用到的其他指标或者要点也分别在其他AI大语言模型中提到了，如 RS, RSI, Sharpe Ratio, Volume, WMA, Livermore, Bollinger Band 等等。
值得注意的是，上面提到的描述，太过精简，以至于每句话都可以展开来自成一篇或者几篇文章去论述，比如“分散风险”这个寥寥的一句话，我们已经写成了两篇分析 资产相关性系数 Pearson CC 的文章：
证券投资被低估的技术指标–资产相关性系数 Pearson CC 1/2，https://ufqi.com/blog/investment-undervalued-factor-pearson-cc/ ，
证券投资被低估的技术指标–资产相关性系数 Pearson CC 2/2。
如果读者只是简单地一读而过，很容易陷入“大道理都懂，过不好这一生”的困局中。

2B. 追问优化升级策略：如果投资目标由 最大化收益 修改为 最大化最低收益

精明的投资人，或者是由理财小白入门以后有所精进的投资人都知道，投资追求的终极目标，不是“收益最大化”， 而是“最大化最低收益”。关于这两者之间的异同，我们在之前也有所论述——《風險對冲基金兩頭下注對賭投資的穩贏策略–最大化最低收益》（ https://ufqi.com/blog/hedge-fund-win-max-minimal-income/ ）。
于是，我们继续追问 DeepSeek with QQBrowser 关于投资目标的优化改进问题。

我们设计追问的提问词:
如果再进一步地将投资目标由 收益最大化 修改为 最低收益最大化 ，该怎样继续优化投资策略?

AI大语言模型很快 recap context， 同时开启联网搜索，然后进行深度思考分析，不久就给出了优化方案，我们觉得其思路与我们在 UfqiFina 上的探索和实践也基本吻合，也附贴如下。

//- 引文开始

在投资目标调整为**”最低收益最大化”（即最差情况下保障收益底线）的框架下，需将策略重心转向风险控制优先和极端情况防御**。结合搜索结果中的最大最小策略（Maximin）和实际投资逻辑，优化方向如下：

一、策略核心：应用最大化最小法则

  1. 标的筛选标准升级
    • 优先选择**历史波动率低于行业均值20%**的股票，确保抗跌性
    • 叠加基本面过滤：ROE连续5年≥15% + 资产负债率≤50%
  2. 收益底线量化
    通过历史回测确定安全边际阈值，例如：
    • 单月最大回撤≤8%
    • 熊市周期（如沪深300下跌20%时）组合跌幅≤市场跌幅的50%

二、防御型仓位管理

  1. 分仓强化
    • 采用网络搜索中提到的等额分仓法，持仓不少于8只股票且跨3个非相关行业
    • 单一个股仓位≤10%，行业集中度≤25%
  2. 动态再平衡机制
    • 每月评估组合波动率，若超过预设阈值（如年化波动率>30%），自动减仓20%转为现金

三、止损系统升级

类型触发条件操作规则数据来源
阶梯止损股价较峰值回撤5%减持50%仓位技术止损逻辑
时间止损持仓10日未达预期收益无条件平仓心理止损案例
流动性止损日均成交量跌破60日均量50%当日清仓风险警示
证券投资 止损策略

四、收益增强技巧

  1. 低波动套利
    捕捉月线横盘3个月以上+布林带收窄的标的，在突破时介入（胜率提升约23%）
  2. 尾部风险对冲
    虽然无法做空，但可通过配置**可转债（30%仓位）**实现下跌保护，利用债底保护特性提升最差收益表现

实证案例对比

假设100万本金：

  • 原策略（收益最大化）：年化收益25% | 最大回撤22%
  • 新策略（最低收益最大化）：年化收益18% | 最大回撤9% | 月度胜率从58%提升至71%

该优化使收益分布左偏程度降低34%（即极端亏损概率大幅下降），更符合最低收益最大化目标。需注意流动性管理，建议优先选择日成交额＞5亿元的标的。

//- 引文结束

最低收益最大化 目标下的投资策略中，增加了大量确保低波动的技术的、数值型的硬性指标。
同时，关键的一点，分散风险进一步地从单一品种（股票）扩展到更加稳定的“债券（可转债）”，正如我们在 UfqiFina 上的暗黑摸索的那样，跨品种、跨市场、跨地区的分散风险——金融证券交易的市场中性风险对冲的投资策略5/5，https://ufqi.com/blog/investment-portfolio-to-market-neutral/ 。
布林带，此前一节提到的 Bollinger Band 这次被推荐出来了。

小结全文，AI大语言模型在人类社会的知识平权方面，也许这只是一个开始。
祝愿我们都能有个美好的未来。

这是研读经济学著作的第四十四篇习作，之前的各篇附列如下，最近的附列在前。

  1. 证券投资被忽视的技术指标—交易量 成交量 Volume , https://ufqi.com/blog/investment-ignored-factor-volume/
  2. 证券投资被低估的技术指标–资产相关性系数 Pearson CC 2/2, https://ufqi.com/blog/investment-undervalued-factor-pearson-cc-p2/
  3. 证券投资被低估的技术指标–资产相关性系数 Pearson CC 1/2，https://ufqi.com/blog/investment-undervalued-factor-pearson-cc/
  4. 金融证券投资趋势三要素与交易三指标， https://ufqi.com/blog/trend-by-3-element-and-buy-with-3-factor/
  5. 金融证券交易的市场中性风险对冲的投资策略5/5， https://ufqi.com/blog/investment-portfolio-to-market-neutral/
  6. 用 5W1H 方法思考证券投资与资产管理， https://ufqi.com/blog/investment-by-5w1h/
  7. 证券市场投资持仓与赌博中的凯利公式 Kelly Criterion , https://ufqi.com/blog/kelly-bet-with-security/
  8. 证券股票市场熊市中谁在买入? https://ufqi.com/blog/who-buy-in-bearish-stock-market/
  9. 金融证券交易的市场中性风险对冲的投资策略4/4， https://ufqi.com/blog/risk-hedge-and-market-neutral-with-ai-cycle/
  10. 金融证券交易的市场中性风险对冲的投资策略3/4， https://ufqi.com/blog/risk-hedge-and-market-neutral-with-edward-throp/
  11. 11~43暂收起略过，请从上一节进入查询查看。
    —-
ufqifina
有福金融UfqiFina : https://ufqi.com/finance

有福金融 是一个旨在促进财富稳步增长的工具平台。
UfqiFina is a platform of tools designed to promote wealth growth steadily.

发表在 投资理财, 社会生活 | 标签为 , , , , , , , | 5条评论

愛自己悅己容2nd愛自己悅己容汽車老司機車載汽車老司機

证券投资被忽视的技术指标—交易量 成交量 Volume

发表于2025-02-26由Wadelau

此前我们在讨论证券投资技术图表分析派的时候，有多次提到过成交量交易量 Volume 这个技术指标，但反思最近几年的投资实践，发现多数情况下，不少投资人的证券分析过程中，虽然遵循价量分析框架，往往对价格分析得过多，而对成交量分析得过少。
所以有必要单独写写这个可能被忽视的技术指标—成交量 Volume 。前情提要：
No.33 金融证券交易的市场中性风险对冲的投资策略2/4 （ https://ufqi.com/blog/risk-hedge-and-market-neutral-with-smth-bbs/ ）， No.40 金融证券投资趋势三要素与交易三指标 （ https://ufqi.com/blog/trend-by-3-element-and-buy-with-3-factor/ ），
在前述这两篇文章中，我们都提到过相关案例分析中，都明确的强调了成交量 Volume 的重要性。尤其是作为华尔街神童的 Stan Weinstein 的趋势确认三要素——价格、成交量和相对强势（RS）.

回顾这些，发现只是泛泛而谈，这一篇我们打算深入一些讨论一下成交量 Volume 是如何起作用的。
这是研读经济学著作的第四十三篇习作，之前的四十二篇各章节内容，请参考文末的链接。

1A. 证券投资中 成交量 Volume 的决策辅助

关于成交量的文献综述，在 Twitter Grok 的帮助下，可以快速获得:

  • 趋势确认
    交易量是判断价格趋势强度和可持续性的关键指标。在上升趋势中，若价格上涨伴随交易量增加，说明买盘力量强劲，趋势更可能持续；反之，若价格上涨但交易量萎缩，可能预示趋势即将反转。同样，在下跌趋势中，交易量放大通常意味着卖压加剧。
  • 流动性评估
    高交易量通常意味着资产流动性好，买卖执行更顺畅，点差较小。这对大额交易者尤为重要，因为低流动性资产可能导致滑点，影响成交价格。
  • 市场情绪的信号
    交易量的突然变化往往与重大事件相关（如财报、政策变化），反映市场参与者的情绪转向。例如，交易量激增可能预示着市场对利好消息的强烈反应。
  • 反转信号
    当价格达到极端高位或低位时，交易量的异常变化可能预示反转。例如，价格创新高但交易量减少，表明买方动能减弱，顶部可能临近；反之，价格下跌伴随交易量萎缩，可能意味着卖压减弱。

2B. 成交量发生作用的过程

Fig01. 证券交易 成交量 Volume 发生作用过程

通过 Fig01 我们可以清晰地看到 成交量的作用机制。
成交量本身代表的是多空双方对标的物的走势趋势的分歧。只有在能够产生较大分歧的情况下，成交量才会放大，相反地，如果多空双方分歧较小，或者没有分歧，则成交量就较小，或者完全没有成交。

当多空双方对于未来走势分歧较大时，会产生一部分人看多，另一部分人看空。看空的人可以选择以当前价卖出（平价），或者下调价格卖出；看多的人则可以选择以当前价格买入，或者加价上调价进行买入。
多空双方进行报价，由证券交易所根据报价进行撮合交易，当平价卖出遇上加价买入的，就会形成量价起涨的向上趋势；当下调价卖出遇上平价买入的，就会形成放量下跌的态势。

当多空双方关于标的物的未来的看法趋于一致时，分歧变小。此时会产生两种情况——同时看空，或者同时看多。
在多空双方同时看空的情况下，只有人卖出，没有人买入，因无法撮合成交易形成无价也无市的情况；同时看多的情况下，只有人买入没有人卖出，也因无法撮合成交易形成有价无市的情况。这两种情况，无论是有价，还是无价，都没有成交，所以成交量缩小，最终合力形成横盘震荡的盘整情形。

通过以上成交量 volume 的作用机制和过程分析，我们可以知道，要想从此量价齐涨的过程，需要多空双方形成较大的分歧，也即买卖双方互道对方是傻瓜。
看空卖出的一方因着利好，不着急卖出，也不急于降价抛售，看多买入的一方因着利好，捉急买入，平价无法买入的情况下，因为FOMO情绪影响，只好加价买入，从而推动股价上涨，由于有卖出抛售盘，交易达成，交易量就随即升涨上来了。

由此可见，每一次的利好周期中，提前埋伏的总是在整个周期中不断抛售获利出局，而在利好周期中入场的在不自觉中完成了接盘任务。等买入后，随即加入卖方阵营时，发现很少有人愿意在已经是高价的基础上再加价了。

市场的反人性大概就是如此，买在无人问津时，卖在人声鼎沸时，也即所谓耳熟能详的“别人恐惧时我贪婪，别人贪婪时我恐惧”。每一次的利好来临时，都是抛售获利了结的时候。
所以，想想在利好来临时，谁在抛售？他为何在利好加持时抛售？
谁又在熊市中买入？ 他为何在不断下降过程中买入？ 我们之前曾经讨论过 《熊市中谁在买入》（ https://ufqi.com/blog/who-buy-in-bearish-stock-market/ ）的文章，现在又或者可以增加更多的注解。

3C. 题外小技巧：脑图 Mind Map 工具的收敛

上图 Fig01 的成交量的脑图 Mind Map 是使用 百度脑图 这样的工具完成的。实际上这个工具只能完成图示的左侧部分，也即脑图工具中，类似花括号的部分，只能朝着一个方向延申。
比如上图，如果从左至右地展开思维，到右侧则无法形成收敛的、向做开口的花括号式的图例。

经过一番摸索，我们发现一种可以在脑图后半部分形成收敛的小技巧，记录于此，以倍后查。

收敛脑图的方法就是：
1）将待收敛的节点各产生一个子节点，
2）然后将这两个子节点拉近距离，近到两者的父子节点连线对接重合到一起，
3）接着将其中一个节点的名称/内容，进行清空处理，使其看起来就像只是一条引线。

如上图 Fig01中，“当前价卖出”的子节点是“量价上涨”，而“上调价买入”的子节点名词为空，两者连接引线交会于一处，从而形成视觉上的两者——“当前价卖出”和“上调价买入”融合收敛于一处，也即“量价上涨”。
此为题外话，属于小技巧一则。

小结全文，交易量 Volume 在投资策略中是一个多功能的技术指标，能够确认趋势、评估流动性、揭示市场情绪并提示反转信号。这个指标在初学者眼中，往往被忽视了，实际上是一个与价格同等权重的技术指标。

这是研读经济学著作的第四十三篇习作，之前的各篇附列如下，最近的附列在前。

  1. 证券投资被低估的技术指标–资产相关性系数 Pearson CC 2/2, https://ufqi.com/blog/investment-undervalued-factor-pearson-cc-p2/
  2. 证券投资被低估的技术指标–资产相关性系数 Pearson CC 1/2，https://ufqi.com/blog/investment-undervalued-factor-pearson-cc/
  3. 金融证券投资趋势三要素与交易三指标， https://ufqi.com/blog/trend-by-3-element-and-buy-with-3-factor/
  4. 金融证券交易的市场中性风险对冲的投资策略5/5， https://ufqi.com/blog/investment-portfolio-to-market-neutral/
  5. 用 5W1H 方法思考证券投资与资产管理， https://ufqi.com/blog/investment-by-5w1h/
  6. 证券市场投资持仓与赌博中的凯利公式 Kelly Criterion , https://ufqi.com/blog/kelly-bet-with-security/
  7. 证券股票市场熊市中谁在买入? https://ufqi.com/blog/who-buy-in-bearish-stock-market/
  8. 金融证券交易的市场中性风险对冲的投资策略4/4， https://ufqi.com/blog/risk-hedge-and-market-neutral-with-ai-cycle/
  9. 金融证券交易的市场中性风险对冲的投资策略3/4， https://ufqi.com/blog/risk-hedge-and-market-neutral-with-edward-throp/
  10. 金融证券交易的市场中性风险对冲的投资策略2/4， https://ufqi.com/blog/risk-hedge-and-market-neutral-with-smth-bbs/
  11. 11~42暂收起略过，请从上一节进入查询查看。
    —-
ufqifina
有福金融UfqiFina : https://ufqi.com/finance

有福金融 是一个旨在促进财富稳步增长的工具平台。
UfqiFina is a platform of tools designed to promote wealth growth steadily.

发表在 投资理财, 社会生活 | 标签为 , , , , , | 4条评论

医疗器械鱼跃迪士尼母婴京东制作Pdf Drive

与 Grok-3 探讨 Base62x 编码

发表于2025-02-21由Wadelau

人工智能 AI，尤其是通用人工智能 AGI （Artificial General Intelligence）的发展正如火如荼。
上次我们大概是在一年前的2024年4月探讨过《人工智能AI眼中的Base62x》 （ https://ufqi.com/blog/base62x-in-ai-agi-story/ ），当时的大致结论是说届时的 AI 是
“在扯蛋的事情上很专业，在专业的事情上很扯蛋。”

一年后的2025年2月，中国人工智能初创企业 DeepSeek 发明了一种能够大幅降低 LLM 大语言模型的方法，随机引发了又一轮的 AI 领域的军备竞赛。截至发文时，这一领域的最新尝试是来自世界首富 Elon Musk 的 xAI 团队的 Grok-3 ，兼备 DeepSeek 的高性价比和世界首富不惜成本的大力出奇迹。
我们原本计划是，用 Base62x 这个冷僻的小众应用作为试金石每两年进行一次评测，这次如此激烈而猛烈地推进，让我们忍不住要提前一年来进行新一轮的测试。这次是在 Grok-3 上与其就 Base62x 展开对话，作为言听计从的机器人， Grok-3 的表现的确令人耳目一新。

2025年2月20日中午，我与 Grok-3 开展了一次长达2个小时的多轮次的对话，对话过程大致记录如下。整个对话持续两个多小时，形成了一份多达126页，27K文字的对话聊天记录。
期间有多次成功尝试，向 Grok-3 解释了新名词 Base62x ，并让她去 Github 上读取相关文档和代码，对于 Grok-3 的每一步尝试都给予及时的响应和纠正。Grok-3 能够理解、小结、反思双方的误解，并不断的纠正、逐步达成共识。

Discuss Base62x with Grok-3, summary

这是令人进步的成就，她几乎具备了高中、甚至大学生的智力水平了。
遗憾的是，限于时间关系，持续两个多小时之后，在最后的对字节进行 位操作阶段，Grok-3 有较为明显的计算错误，最终还是失败了—— Grok-3 的知识库中，目前尚未能完全理解和应用 Base62x 。

对话是从第一个问题开始，

Q1:
could you please encode the string “The cat is Chasing a mouse.” by Base62x?

A1:
It seems there’s a slight misunderstanding. “Base62x” isn’t a widely recognized standard encoding scheme like Base64. Did you perhaps mean Base62 (a variant of Base64 that uses alphanumeric characters [0-9, a-z, A-Z] to represent data)? Or maybe you’re referring to a custom encoding? Since Base62x isn’t clear, I’ll assume you meant Base62 for now. If I got this wrong, please clarify!

Discuss Base62x with Grok-3, Q1

实话说，第一个问答， Grok-3 表现非常精彩，好到出乎意料！ 这也是我们愿意继续对话下去的愿意之一。她很认真，没有糊弄用户，用 Base62 去强奸用户的真实意志 Base62x . 这正是我们所期许的，也是上之前一篇 Blog 所预计的:

可是我们的提问是 Base62x 啊，估计只有极其严谨或者自信、且坦承的少数人会回答：
Base62x , 我不懂这个带 x 的啊….

于是带着这份期许，我们试图给 Grok-3 更多资料，让她理解并运用 Base62x ， 而不是通常意义上的 Base62. 第二个问题：

Q2:
no, I mean it, Base62x please, base62x from github.

A2:
15 web pages
I apologize for the confusion earlier. You specifically requested “Base62x” encoding, referencing the implementation from GitHub. After reviewing available information, it seems you’re referring to the Base62x encoding scheme developed by wadelau (available at github.com/wadelau/Base62x), which is an alternative to Base64 that avoids non-alphanumeric symbols and includes a unique twist with marker bytes (x) for improved efficiency. Unlike standard Base62, Base62x introduces a custom approach with additional logic for encoding/decoding binary data.

Discuss Base62x with Grok-3, Q2

Grok-3 首先进行了联网搜索，找到 15个网页，并进行了概括总结 Base62x 的相关特征。
整个概况总结非常合理准确，并且在理解的基础上进行了实际 Base62x 的编码操作。好得超乎意料， Grok-3 具备自我学习能力，这实在是精彩和难得可贵的地方。

下面进入各种扣细节的地方，不断的 clarifying， 用户只要有耐心， Grok-3 绝对是勤勉忠实的好伙伴。前后多轮次，大约几十轮的对话，Grok-3 依然能够不知疲倦地进行持续的 recap context。这是难得可贵的另一面。

Discuss Base62x with Grok-3, Alphabet
Discuss Base62x with Grok-3, Chinese and six-bit groups
Discuss Base62x with Grok-3, bitwise operations
Discuss Base62x with Grok-3, bitwise operations remedy

临近对话结束， Grok-3 卡壳在位运算的操作上，有明显的计算错误，且指出来后，她也能改正。
由于时间关系，没有一一订正所有位操作的错误。估计再多些时间和步骤， Grok-3 能够最终掌握 Base62x 的编码规则。

号称目前世界上最先进的 AI 居然会在单字节的位操作这种基本运算中犯错实在是出乎意料。这让我想起2025年春节前我辅导孩子的小学奥数题目遇到的问题，

一道奥数题目求解： 一个较大的整数，由 1234…1994199519961997 组成，问这个较长的大整数被9整除的余数是多少?

这个奥数题目由于涉及到的数据较大，大概是6000多位长的一个整数，无法直接通过除法运算得出结果。Grok-3 能够知道需要用到数学上 数的同余性质 ——如果一个数各个位数上的数字之和能被 9 整除，则这个数也能被 9 整除。
接下来就是计算 1234…1994199519961997 有多少位，这些位上的数字之和是多少。大问题拆解成了加减乘除的简单运算，但就是这样的小问题，2025年2月，拿这个问题问不同的AI，甚至同一个AI的不同版本，甚至同一个AI不同时间提问，都会给出各个不同的答案。
或许现在的AI，已经剑走偏锋，慎于难而忽于易，没被旗杆绊倒，却被羊橛子绊倒了。单字节的位运算，一个整数有多少位，每位上数字之和，这不应该是新问题。

自2015年我初次参加中国计算机学会的“机器学习”集训班以来，十年来目睹人工智能 AI 飞速发展。从技术角度看，在2018年前后，通过反向传播等算法可以完全模拟任何二维坐标、三维坐标系内任何曲线这一突破之后，AI 的大门彻底打开，随后强化学习再次赋能，这些是算法层面的探索。
在算力层面，随着英伟达 GPU 的大规模应用，AI 如虎添翼。
2022年11月来自 OpenAI 的 ChatGPT 又将 AI 揭开新篇章， 生成式 AI 正式进入人的视野。

这些简短的 AI 发展回顾，从认知科学上来说，刚好符合了最近阅读的心理学经典著作《津巴多普通心理学 Psychology: Core Concepts》（ https://ufqi.com/news/ulongpage.12674.html ）里的相关研究的描述。

在认知心理学研究中，在代表人类智力水平的“思维与智力”一节中，相关研究发现，善于思考的人具备的普遍的能力可以分为两类——
一类是算法思维，就是已知的公式和程序，可以用来应对和解决被明确界定的问题，它遵循着一个直接从问题一步步引向答案的程序；
另一类是启发式思维，涉及主观价值或有太多未知因素的问题，或者复杂到无法用已有的公式计算的问题。

第一类较容易理解，工程应用上都是如此，从导航软件的路径规划到火箭发射的计算等等，都是如此。
第二类较为复杂，但认知科学家还是进一步地将启发式思维分为三个之类：
a. 逆向思维，从结果出发，逆向反推先导条件或者可能的路径；
b. 寻找类比，识别新问题和老问题的相似性或者进行类比；
c. 拆解细分, 将一个大问题分解为多个小问题。

对比发现 AI 的认知与思考能力，似乎也遵循这些规律，初期的 AI 试图学习和理解现有的公式和算法，拥有这些知识和能力后，就能够使用第一类算法思维来解决相应的问题。
更进一步的，对于开放式问题，就需要有启发式思维，显然本文起初要讨论的 Base62x 就是一种新的“算法”， 对于 Grok-3 这样先进的 AGI 来说，也是陌生的。

在前述就 Base62x 与 Grok-3 对话的过程中，她先是采取类比的方法，将 Base62x 使用类似传统 Base62 的编码算法，然后根据互动逐步修正算法，直至最终能够完全掌握这种新的编码“算法”。

拥有这种可塑性的通用人工智能 AGI 正式打开了通往硅基生命的大门。
相信通过不断的迭代升级，AGI 智能体会逐渐追平甚至超越普通人的智能水平，然后在某个奇点时刻拥有意识，进而能够复制另外一个完全相同甚至更先进的“子代”智能体——实现繁殖。

在此之前，针对 Grok-3 来说， Base62x 仍是一个冷僻的小众的 test case.
也由此，我们可以得知 Grok-3 比之前的 OpenAI 的 ChatGPT 和 Google Gemini 都有巨大的质的飞跃。


Base62x: An alternative approach to Base64 for only-alphanumeric characters in output.
Base62x is an non-symbolic Base64 encoding scheme. It can be used safely in computer file systems, programming languages for data exchange, internet communication systems, and is an ideal substitute and successor of many variants of Base64 encoding scheme.

Base62x 是一种无符号的Base64编码方案。
在计算机文件系统、编程语言数据交换、互联网络通信系统中可以安全地使用，同时是各种变种Base64编码方案的理想替代品、继任者。

base62x-algorithm
Base62x Algorithm

发表在 Base62x, 编程技术, 计算机技术 | 标签为 , , , , , , , | 留下评论

書中自有顔如玉愛自己悅己容2nd愛自己悅己容汽車老司機車載

证券投资被低估的技术指标–资产相关性系数 Pearson CC 2/2

发表于2025-02-08由Wadelau

股票的价格线与收益线的波动是并驾齐驱的，如果股票价格线的波动偏离了收益线，它迟早还会回到与收益线相一致的趋势上。
— 全球著名基金投资经理 Peter Lynch 彼得林奇

在这个 UfqiBlog 中，此前的三节都谈到了资产相关性系数（Pearson Correlation Coefficient, Pearson CC）：
No.39. 金融证券交易的市场中性风险对冲的投资策略5/5， No.40.金融证券投资趋势三要素与交易三指标，No.41.证券投资被低估的技术指标–资产相关性系数 Pearson CC 1/2.
尤其是在前一节写完之后，我们发现使用资产相关性系数，可以解释很多投资小白甚至理财高手共有的普遍性的疑问。限于篇幅，我们在此前一节解释了为何大多数投资人跑输大盘指数以及股神沃伦巴菲特价值投资基本面分析的持仓中，无形中将资产相关性系数运用得炉火纯青的地步。

在这一节中我们延续这个资产相关性系数的话题，讨论使用其解释为何有些大盘指数，比如中国的沪深300和上证指数长达十多年的横盘不涨？又比如在这十年横盘不涨的大盘指数同期，又有中国股市红利低波指数的年年正收益，这又是为何？
这是研读经济学著作的第四十二篇习作，之前的四十一篇各章节内容，请参考文末的链接。

A1. 中国的上证指数和沪深300长达十多年的横盘不涨?

中国股市素来有“3000点保卫战“，而且持续达十数年之久。这是令人可惜，毕竟作为个体人，短暂的一生，没有几个十年可以裹足不前地平稳度过，实际上都是逆水行舟不进则退的奋力拼搏。可是中国股市却几乎长达20年的横盘不涨。比如下图所示，2025年2月7日收盘上证3303点，这个价格点位上一次是2007年4月的点数，也就是说，过去长达十八年之久，上证指数在3000点原地踏步。

Fig02. 中国上证指数月K线图2004-2024

解释上证指数十多年3000点的原因在网络上有很多种，各说各有道理。现在我们尝试用资产相关性系数 Pearson CC来解释，似乎更加简洁明了。如之前用到的描述资产之间相关性系数的图示，如果上证指数所涵盖的各个资产之间的系数强负相关，则刚好符合预期中的图示（ Negative, Pearson CC 数值为 -0.8 ），资产组合中有涨有跌，涨跌互相抵消，于是就有了长达十八年之久的横盘震荡的情况发生。

Fig03. Pearson Correlation Coefficient 相关性系数
Strong Positive 强正相关， None 不相关， Strong Negative 强负相关.

假如简化上证指数的资产组合里，只有两支标的，则上图第三帧（ Negative ）就完整地呈现了数十年一直横盘震荡下去的情形。
究其背后，可能是代表中国经济这些上市公司，每年或者每个阶段，都有公司是正收益，同时也有公司是亏损，而且是彼此轮动的，A公司去年盈利今年亏损，B公司去年亏损今年盈利，而且盈利的和亏损的幅度又大体相当，A/B公司组成的投资组合就是不赚不赔、不疼不痒、横盘震荡。
即便是投资小白都知道，CPI每年都在上涨，M2增速大幅超过GDP增速，货币贬值如影随形且有愈演愈烈之势，横盘震荡不涨，投资人的财富即便维持0.1% 的收益率，只要没有跑赢CPI都是输，即便是跑赢了CPI没有跑赢无风险国债收益，也还是输，就是瞎折腾。

没有对比就没有伤害，看看对比天壤之别！2007年到2025年，十八年间上证指数3000点原地踏步，而同期美国标普500指数从2007年4月的1482点上涨到2025年2月7日的6025点。
上证指数零点零的增长（0%）对比同期美国标普500指数的3倍的增长（300%）。

B2. 中国股市红利低波指数的为何能做到年年正收益?

由此前一节A1的讨论，我们能够得出结论，如果一个投资组合要获得正收益，也即图中的深绿色曲线要在震荡中不断上扬（上涨），那么就需要资产组合中的各个资产之间的相关性系数不能是强负相关。保持投资组合中的各个资产自己的相关性系数是不相关、弱相关或者强正相关，才有可能使得投资组合的整体收益随着时间的推移不断上涨，上图Fig03.中，有两条深绿色曲线上扬的情况，Pearson CC 数值分别是 0.8, Positive, 强正相关, 0.0 Non-Correlation, 不相关，或者弱相关（ -0.3 ~ 0.3 ）。

如果各个资产相关性系数是强负相关，大致有三种情况：涨跌相等，涨多跌少，涨少跌多。三种情况，只有在涨多跌少的一种情况（1/3， 33%概率）才能获得正收益。这可能也是上证指数3000点保卫战惨烈的背后真实情况。

相应地，如果剔除了投资组合中的强负相关的资产，保留不相关、弱相关或者强正相关的资产，则可能获得不错的收益。事实数据表明，这是一条不错的成功投资策略。
即便是在中国股市这种艰难的恶劣的投资环境下，上证指数长达十八年原地踏步的情况下，还是有资产组合取得了相当不错的收益，如Fig01.所示，中国股市中的红利低波指数，在过去五年里，年年获得正收益，最近三年的年化收益率为9%。这个收益率大幅跑赢上证指数、跑赢无风险国债收益、跑赢大多数投资经理、跑赢绝大多数投资人（散户）。甚至可以媲美美国的标普500指数收益，可以称之为中国版的标普500.

Fig01. 中国股票红利低波100指数周K线图, UfqiFina 有福金融

也许资产相关性系数只是表象，究其背后的因素，可能红利低波的资产都是个个能盈利、期期能增长的优质标的股票，不管他们之间是强正相关，还是不相关或者弱相关，由于同时处于上升趋势，有的只是上涨幅度和周期的不同，自然不会有强负相关的标的。
由此，我们可以回顾上一节股神沃伦巴菲特先生的持仓 Top 8 中，各个资产之间，其资产相关性系数大多数是不相关，或者弱相关，个别是强正相关，没有一个是强负相关！

C3. 收益，收益，还是收益

“收益，收益，还是收益（Earnings, Earnings, Earnings）” 是全球著名投资基金 Fidelity
Magellan Fund 的基金经理 Peter Lynch 彼得林奇在其著作《彼得林奇的成功投资-Peter Lynch: One Up on Wall Street》中的一个章节名称（第十章）。彼得林奇是被视作继沃伦巴菲特之后又一位以价值投资基本面分析而著称的投资大师。

在林奇先生看来，股价的上下变动始终围绕在公司的收益。正如押题的引用一样， “股票的价格线与收益线的波动是并驾齐驱的，如果股票价格线的波动偏离了收益线，它迟早还会回到与收益线相一致的趋势上。”

如果我们选择了这样的标的——标的公司每年都有正收益——则其股价一定会随着收益的增长而增长，二级市场的投资人或者受益于股价上涨、或者受益于分红，更或者二者兼而有之，一定会有不菲的收益。也就是说，公司的基本运营情况，盈利、获得收益是所有股价上下波动表象下最基本的驱动力——无论是上涨还是下跌。

回到本题，上证指数十八年来在3000点原地踏步横盘不涨，就是因为标的物公司没有获得收益，或者其中两个阶段一涨一跌互相抵消持平。如果从价值投资基本面分析来看，多数公司可能是国有大中型公司，本身就是半行政性质的市场主体，盈利不是主要任务，政治正确永远是第一位的。余下的民营企业则是在国企夹缝中求生存，一年获利一年亏损，能够坚强活下去已经难得，连年结余一定要有政治联姻做后台才有可能。这就能够解释上证指数或者沪深300的种种表现了。

百里挑二，有些公司迥乎异常，全市场五千股票遴选出100支，某期确实能够实现逐年盈利，不管是否分红到二级市场，确切的盈利能力是有的，由此进入中国股市红利低波指数的视野，从而形成了在万马齐喑的恶劣市场中的奇葩一朵。其动态更新也是特色或者获利的保证之一。
什么时候中国股市能够将分红制度改成与美国一样，那么中国版的标普500就可以正式名副其实地标称中国的红利低波100，响当当的.

这是研读经济学著作的第四十二篇习作，之前的各篇附列如下，最近的附列在前。

  1. 证券投资被低估的技术指标–资产相关性系数 Pearson CC 1/2，https://ufqi.com/blog/investment-undervalued-factor-pearson-cc/
  2. 金融证券投资趋势三要素与交易三指标， https://ufqi.com/blog/trend-by-3-element-and-buy-with-3-factor/
  3. 金融证券交易的市场中性风险对冲的投资策略5/5， https://ufqi.com/blog/investment-portfolio-to-market-neutral/
  4. 用 5W1H 方法思考证券投资与资产管理， https://ufqi.com/blog/investment-by-5w1h/
  5. 证券市场投资持仓与赌博中的凯利公式 Kelly Criterion , https://ufqi.com/blog/kelly-bet-with-security/
  6. 证券股票市场熊市中谁在买入? https://ufqi.com/blog/who-buy-in-bearish-stock-market/
  7. 金融证券交易的市场中性风险对冲的投资策略4/4， https://ufqi.com/blog/risk-hedge-and-market-neutral-with-ai-cycle/
  8. 金融证券交易的市场中性风险对冲的投资策略3/4， https://ufqi.com/blog/risk-hedge-and-market-neutral-with-edward-throp/
  9. 金融证券交易的市场中性风险对冲的投资策略2/4， https://ufqi.com/blog/risk-hedge-and-market-neutral-with-smth-bbs/
  10. 金融证券交易的市场中性风险对冲的投资策略1/4， https://ufqi.com/blog/risk-hedge-and-market-neutral-in-investing/
  11. 11~41暂收起略过，请从上一节进入查询查看。
    —-
ufqifina
有福金融UfqiFina : https://ufqi.com/finance

有福金融 是一个旨在促进财富稳步增长的工具平台。
UfqiFina is a platform of tools designed to promote wealth growth steadily.

发表在 投资理财, 社会生活 | 标签为 , , , , , , , | 5条评论

愛自己悅己容2nd愛自己悅己容汽車老司機車載汽車老司機

证券投资被低估的技术指标–资产相关性系数 Pearson CC 1/2

发表于2025-02-06由Wadelau

“Diversification is protection against ignorance. It makes little sense if you know what you are doing.“
— Warren Buffett

此前两节都谈到资产相关性系数（Pearson Correlation Coefficient, Pearson CC）：
No.39. 金融证券交易的市场中性风险对冲的投资策略5/5， No.40.金融证券投资趋势三要素与交易三指标。
随着对相关经济学材料研读的深入，我们觉得有必要单独写一篇资产相关性系数的作文，来梳理这个技术指标的前因后果。

资产相关性系数， 通常用 Pearson Correlation Coefficient， Pearson CC 来表示。
两支可投资资产的相关性系数在 [-1.0, 1.0] 之间。-1表示二者涨跌完全相反，1表示二者涨跌完全同步，0表示二者没有关系，完全独立。在相关系数为正数的情况下，值越大表示相关性越高，值越小表示相关性越低。
如果一支待投资资产的相关性系数与市场大盘指数高度正相关，几乎可以不考虑买入——大盘涨他跟着涨，大盘跌他也跟着跌——完全是躺平的姿势。
如果一支待投资资产与已经持仓的资产相关性系数高度正相关，几乎也不考虑买入——相当于又买了一份同样的已持仓的资产——等同于同品种加仓。

Fig.01. 沪深300、标普500、黄金、国债 这四大类资产各不相关

Fig.01. 显示了四大类资产的相关性系数呈现弱相关、不相关甚至是负相关的关系，这样的资产可以分别买入一定的比例，进而构建成一个资产配置的投资组合，以抵抗市场波动，获得相对稳健的收益。
这是研读经济学著作的第四十一篇习作，之前的四十篇各章节内容，请参考文末的链接。

A1. 多数投资者为何跑输大盘指数?

在此前两篇的章节中，我们引用了自制的资产相关性系数的图示。
在下图 Fig.02. 中浅蓝色的曲线表示一种向上不断增长的资产，浅粉色的曲线表示另外一支与之有正相关、不相关和负相关的资产，途中的深绿色曲线表示同时持有这两种资产的最终收益情况。

Fig.02. Pearson Correlation Coefficient 相关性系数
Strong Positive 强正相关， None 不相关， Strong Negative 强负相关.

上图中包括了三个子图，分别对应着两种资产的强正相关（Pearson CC系数为0.8）、不相关（0.0）和强负相关（-0.8）。
解读图中曲线走势可以明显看到，同时持有强正相关的两种资产，在同时下跌的过程中，会加大下跌，形成更大的回撤，在一正一负的情况下缓慢增长，在同时上涨的过程中，加大增幅形成更强的上涨。余下两小图分别是不相关的资产和负相关资产的走势图，可自行解读，不再赘述。

从这个视角上看，我们能够解释为何多数散户和个人投资者总是大概率地跑输大盘指数。
常规情况下，大盘指数（比如沪深300、标普500）通常是由相关性系数偏低的资产组成的投资组合，覆盖了强正相关、不相关和强负相关的各类资产。
在上涨情况下，如果散户或个人投资者购买的标的与大盘指数不相关或者负相关，就会大概率地跑输大盘，同时如果所持有的两支以上的资产之间的相关性系数属于强正相关，则会放大下跌幅度。
这种情况下，有且只有一种可能跑赢大盘，那就是购买的标的同时都是与大盘指数强正相关的。
在大盘下跌的情况下，买入了与之强正相关的标的，情况刚好与之相反，可以反向推导。

B1. 股神沃伦巴菲特是隐藏的技术图表分析派?

进一步地当我们使用 Pearson CC 相关性系数分析美国股神 Warren Buffett 的持仓时，发现他很可能是一位伪装和隐藏的技术图表分析师，而不是向外界展示的以价值投资长期投资著称的基本面分析大师。

Fig.03. 显示了近期（2024年12月）股神的股票持仓的 Top 8 ，前八支股票之间互相的资产相关性系数 Pearson CC 的数值，以及这八支股票分别与 S&P 500 指数的资产相关性系数。
结果出乎意料又在情理之中，他的前几大资产之间，几乎都是不相关（ 系数值 在 0~0.3 之间），也就是说这几支股票之间，完全都是独立发展，各个的涨跌与其他的互不影响。可能多数情况下，都是一个劲的疯长。
其中也有个别意外，Bank of America 和 American Express 两个资产之间的系数到达了强正相关的标准（0.75 > 0.70）, Chevron Corp. 和 Occidental Petroleum 之间的系数也达到了强正相关（0.85 > 0.70)。

Fig 03. 股神沃伦巴菲特持仓资产相关性系数

这几乎是一个固若金汤的资产配置，个个能打，且互不影响、不依赖！难怪说跟着股神抄作业炒股的人也能发财。表面上看似乎这些股票东一榔头西一棒子的毫无关联，如果用技术分析一查证，然后或才能发现其中的门道。

更加强大的是，股神的股票只是其资产配置大类中的一项，与股票大类同级别的，还有债券、厂房、地产、保险等等。（抄作业炒股没看到的部分）
下面这个图可以更详细地呈现在股票上层还可以大有作为的空间。
而且，在地域和市场选择上，除了美国本土以外，我们都知道沃伦巴菲特先生在日本股市、债市做了大量的投资，同时在中国香港曾经重仓持有类似比亚迪汽车等股票。

Fig. 04. 资产配置与投资组合

资产配置的原材料是各类资产，从大类资产分类看，
第一层次可分为“传统资产”和“另类资产”。
第二层次中，传统资产项下分为现金、债权、权益三大资产，另类资产项下分为大宗商品、地产、收藏品、保险、金融衍生品、外汇、创投（VC）、私募股权基金（PE）、垃圾债等各类资产。
第三层次，继续往下细分，以权益类股票为例，按行业大类可分为周期类、消费类等，按盈利风格可分为成长型、价值型，按市值规模可分为大盘、中盘、小盘，按规模和风格亦可交叉分，按地域可分为境内、境外或成熟和新兴市场，其他资产亦可往下细分。

如果没有专业知识背景或者行业实践与深度思考，或者我们普通人只知道他是世界首富，靠投资获得了天量的财富，却永远也猜不透他是怎么达成这如此傲人的成就的。

C3. 投资组合被动盈利，还是依靠选股择时的个人能力获益?

如图 Fig.05 所示，如果按照各个资产相关性系数不相关的按等比例投入，即可获得超过绝大多数投资人的收益，那么投资获利的秘诀，到底是依靠可靠的投资组合，还是个人的选股择时的能力？

Fig. 05. 多品类资产对冲分散风险投资策略
永久投资组合：主要是将股票、债券、现金、黄金四类资产各配置25%，定期再平衡.

资产配置专家 Gary Brinson, Brian Singer 和 Gilbert Beebower 在《金融分析家》杂志上连续发表了几篇关于投资组合业绩的决定因素的研究成果，他们发现 1977～1987 年间的 82 家大型多元化的美国养老基金的投资组合所构成的样本中，资产配置策略之间的差异能够解释91.5%的回报变化。

基于更多的阅读分析，我们渐渐地接受了，在证券投资市场中价格是无法预测的，要想在证券投资领域获得持续的正收益，不要进行预测，只能进行应对，也即跟随涨多了的会跌，跌多了的会涨的大周期，在追逐过程中，各有个法术器物，使用资产相关性系数配置资产，形成有效对抗风险的投资组合是其中行之有效的做法之一。

这是研读经济学著作的第四十一篇习作，之前的各篇附列如下，最近的附列在前。

  1. 金融证券投资趋势三要素与交易三指标， https://ufqi.com/blog/trend-by-3-element-and-buy-with-3-factor/
  2. 金融证券交易的市场中性风险对冲的投资策略5/5， https://ufqi.com/blog/investment-portfolio-to-market-neutral/
  3. 用 5W1H 方法思考证券投资与资产管理， https://ufqi.com/blog/investment-by-5w1h/
  4. 证券市场投资持仓与赌博中的凯利公式 Kelly Criterion , https://ufqi.com/blog/kelly-bet-with-security/
  5. 证券股票市场熊市中谁在买入? https://ufqi.com/blog/who-buy-in-bearish-stock-market/
  6. 金融证券交易的市场中性风险对冲的投资策略4/4， https://ufqi.com/blog/risk-hedge-and-market-neutral-with-ai-cycle/
  7. 金融证券交易的市场中性风险对冲的投资策略3/4， https://ufqi.com/blog/risk-hedge-and-market-neutral-with-edward-throp/
  8. 金融证券交易的市场中性风险对冲的投资策略2/4， https://ufqi.com/blog/risk-hedge-and-market-neutral-with-smth-bbs/
  9. 金融证券交易的市场中性风险对冲的投资策略1/4， https://ufqi.com/blog/risk-hedge-and-market-neutral-in-investing/
  10. 金融證券投資中的内幕消息 Inside Information ， https://ufqi.com/blog/security-martket-inside-information/
  11. 11~40暂收起略过，请从上一节进入查询查看。
    —-
ufqifina
有福金融UfqiFina : https://ufqi.com/finance

有福金融 是一个旨在促进财富稳步增长的工具平台。
UfqiFina is a platform of tools designed to promote wealth growth steadily.

发表在 投资理财, 社会生活 | 标签为 , , , , , , , , , , | 3条评论

愛自己悅己容2nd愛自己悅己容汽車老司機車載汽車老司機

金融证券投资趋势三要素与交易三指标

发表于2025-02-03由Wadelau

金融证券投资的本质就是发现可以投资的趋势——买多或者卖空，然后根据一定的分析策略做出是否交易的决定。趋势的发现和交易的达成是相辅相成的两个部分，准确及时的发现机会趋势是赢得收益的交易的前提和基础，同时交易决策的准确及时才能获得最终的胜利。

好在金融是个算得上是古老的行业，无数精英人士穷其一生地在这个行当钻研，形成了无数可资遵循的理论成果和实践指导。证券投资无论是在机会趋势的发现还是交易决策的判断，都有许多相似甚至是相反的套路可供选择。
本篇我们希望将近几年来孜孜以求上下求索的心得体会辑录于此，形成相对完整的投资趋势发现的三要素和买卖交易的核心三指标。
这是研读经济学著作的第四十篇习作，之前的三十九篇各章节内容，请参考文末的链接。

翻阅早前的一篇证券投资技术图表分析派的文章——股票基金证券投资图表技术分析之移动平均线MA-Moving Average（ https://ufqi.com/blog/security-technical-analysis-ma/ ），现在看来更像是探索过程中的一段插曲，也想是盲人摸象中抓了一条腿或者鼻子或尾巴。
无论是否是坚定的或者完全的技术图表分析派，在投资过程中都无法忽视价格变化带来的信息，甚至笼统地说，市场价格已经反应了或者包含了所有已知的信息。也可以说，行情走势曲线图是基本必备工具之一。

A1. 证券投资行情趋势发现的三要素

历经几年的实践，逐渐证明了美国华尔街投资家史丹·温斯坦（ Stan Weinstein ）《称傲牛熊市的秘密》中提到的三重确认方式是一项靠谱的趋势发现技术手段（ https://ufqi.com/news/ulongpage.3542.html ）。

三重确认方式 Ideal Chart for Triple Confirmation Pattern

三重确认方式发现投资趋势

所谓三重确认，就是趋势出现时，有三个要素同时表现突出异常——价格 Price 、相对强势 Relative Strength 和 成交量 Volume 。
与通常我们在投资新闻资讯中读到的略有不同，这里在价、量两个要素之外，又加上了相对强势Relative Strength （ RS ） 这个要素。

简要的地说，当一个投资标的物（可能是股票、债券、货币、大宗商品、房地产REITs等）同时具有如下特征时，表征一个可以投资的机会出现了：
A1.1. 价格线 Price 在横盘一段时间上下震荡后突然发力向上，突破30周WMA（加权移动平均线）；
A1.2. 相对强势 Relative Strength （RS） , 这个是描述当前标的物的增长幅度是否大于大盘指数的增长幅度，如果出现了当前标的物相对强势大于大盘指数的幅度时，利好信号加强；
A1.3. 成交量 Volume , 当前标的物的买卖是否进入不断放大阶段，也即有更多的人看多买多，愿意出更高的价格买入，从而形成成交量的短期内大幅提升。

上述三要素缺一不可，而且是相辅相成的，如果缺少其中一个或者两个，都可能是各种障眼法的陷阱。
只有价格抬升没有RS的拉高，可能当前标的物并非真有利好，而是在大盘利好的带动下被动的上涨；
只有价格抬升没有成交量的放大，可能当前标的物被某些庄家故意拉抬，而非是标的物的真实收益获利能力提升；
价格没有抬升，无论是RS拉高，还是成交量放大，抑或是两者都有，买卖双方力量均衡，横盘震荡整理，也没有实际意义，过往的历史经验是横久必跌。

当趋势发现的三要素同时出现时，一个新的投资机会就出现在眼前了。这是能够获利的前提和基础，能否把握机会赢得收益，还要看后面的交易决策的核心三指标。

B2. 投资交易决策的核心三指标

当投资机会来敲门时，能否把握住机会赢得一笔收益，我们觉得至少如下三个核心指标需要同时满足。

B2.1. 年化收益率， CAGR , 需要是正数且在合理区间。
当一支投资标的物的过去时段时间内是盈利的，或者有较大幅度的收益，根据系统意志理论——系统总是寻找阻力最小的方向前进——此前盈利的大概率会继续盈利，此前亏损的大概率会继续亏损。
收益率也需要保持在一个合理的区间，这方面，市盈率给了一个大致的参考，著名基金经理彼得林奇 Peter Lynch 曾经在 《彼得林奇的成功投资-Peter Lynch: One Up on Wall Street》花了几个章节不断强调收益的重要性：

即使关于市盈率你什么都记不住的话，你也一定要牢记一点：千万不要买入市盈率特别高的股票。（ 合理 PE = 8 ~ 18 ）
https://ufqi.com/news/ulongpage.12377.html?tit=彼得林奇的成功投资-Peter Lynch: One Up on Wall Street-16: 第10章 收益,收益,还是收益-4 #市盈率

用通俗的大白话说，涨多了会跌，跌多了会涨的周期轮回，投资标的物应在价格待涨还未大涨之前买入。

B2.2. 夏普比率， Sharpe Ratio , 需要大于1.0——物超所值。
衡量资产收益-风险水平的一个非常有用的指标   “夏普比（Sharpe Ratio）”，即资产的超额预期回报率和标准差的比值，成为金融机构投资中常用的指标之一。简单地说，夏普比率是衡量一支投资标的物每承担一个单位风险时可能获得的收益。
这个指标有助于我们挑选出风险小收益大的标的物（夏普率大于1.0），从而规避入坑风险大收益小的投资（夏普率小于1.0）。投资就是要追求极致下性价比，夏普率几乎就是性价比的代名词。

B2.3. 资产相关性系数， Pearson Correlation Coefficient， 需要不相关或者负相关。
两支可投资资产的相关性系数在 [-1.0, 1.0] 之间。-1表示二者涨跌完全相反，1表示二者涨跌完全同步，0表示二者没有关系，完全独立。在相关系数为正数的情况下，值越大表示相关性越高，值越小表示相关性越低。
如果一支待投资资产的相关性系数与市场大盘指数高度正相关，几乎可以不考虑买入——大盘涨他跟着涨，大盘跌他也跟着跌——完全是躺平的姿势。
如果一支待投资资产与已经持仓的资产相关性系数高度正相关，几乎也不考虑买入——相当于又买了一份同样的已持仓的资产——等同于同品种加仓。

只有那些与大盘指数相关性系数呈现不相关或者负相关时，才可以考虑买入，独立的涨跌趋势代表资产本身有自己的发展逻辑，而不是随波逐流。
也只有不相关的或者负相关的资产组合，才能抵御市场风险，在最低收益保障的情况下实现收益最大化。（参考此前一节： 金融证券交易的市场中性风险对冲的投资策略5/5， https://ufqi.com/blog/investment-portfolio-to-market-neutral/ ）

多品类资产对冲分散风险投资策略
永久投资组合：主要是将股票、债券、现金、黄金四类资产各配置25%，定期再平衡.

C3. 时间——是朋友还是敌人?

投资人称颂较多的是做时间的朋友，也即随着时间的流逝，资产收益也会逐渐增长。
这多少有些理想主义，实际情况可能是随着时间的流逝，一些都会湮灭。能够对抗生老病死周期规律追求百年老店万年基业长青的，实属不易，可谓是凤毛麟角。

时间是朋友，也是敌人。
投资一直有两种声音：一种认为投资机会很多，几乎每天都有新机会出现，不要害怕错过，马上就有投资新机会到来；另一种声音认为，机会有限，每年也只那么几次，错过了就需要再等上一年。
前者的代表是量化投资、自动化交易，使用机器学习人工智能技术等手段，不停地根据瞬息万变的信息持续地进行买卖交易，在微小的价差之间获利；后者的代表是基本面的投资大师如沃伦巴菲特、彼得林奇等等，每年也就少有的几个机会。甚至中国内地的股民已经总结出，中国股市每年也就政府政策救市的那少有的几次时间点可以入市，其余时间都应做壁上观。

我们也认为时间是朋友，也是敌人。
趋势发现三要素告诉我们，几乎每天都有新机会出现，但很难把握住。
如果发现机会，甚至只满足1/3的要素，就不问青红皂白地就进行交易，那就是每天都有机会进行投资；
如果发现趋势，根据交易核心三指标及其他类似条件筛选，可能会发现满足交易条件的并非每天都有，可能几天几周不一定能找到一个。

这是研读经济学著作的第四十篇习作，之前的各篇附列如下，最近的附列在前。

  1. 金融证券交易的市场中性风险对冲的投资策略5/5， https://ufqi.com/blog/investment-portfolio-to-market-neutral/
  2. 用 5W1H 方法思考证券投资与资产管理， https://ufqi.com/blog/investment-by-5w1h/
  3. 证券市场投资持仓与赌博中的凯利公式 Kelly Criterion , https://ufqi.com/blog/kelly-bet-with-security/
  4. 证券股票市场熊市中谁在买入? https://ufqi.com/blog/who-buy-in-bearish-stock-market/
  5. 金融证券交易的市场中性风险对冲的投资策略4/4， https://ufqi.com/blog/risk-hedge-and-market-neutral-with-ai-cycle/
  6. 金融证券交易的市场中性风险对冲的投资策略3/4， https://ufqi.com/blog/risk-hedge-and-market-neutral-with-edward-throp/
  7. 金融证券交易的市场中性风险对冲的投资策略2/4， https://ufqi.com/blog/risk-hedge-and-market-neutral-with-smth-bbs/
  8. 金融证券交易的市场中性风险对冲的投资策略1/4， https://ufqi.com/blog/risk-hedge-and-market-neutral-in-investing/
  9. 金融證券投資中的内幕消息 Inside Information ， https://ufqi.com/blog/security-martket-inside-information/
  10. 風險對冲基金兩頭下注對賭投資的穩贏策略–最大化最低收益 ， https://ufqi.com/blog/hedge-fund-win-max-minimal-income/
  11. 11~39暂收起略过，请从上一节进入查询查看。
    —-
ufqifina
有福金融UfqiFina : https://ufqi.com/finance

有福金融 是一个旨在促进财富稳步增长的工具平台。
UfqiFina is a platform of tools designed to promote wealth growth steadily.

发表在 投资理财, 社会生活 | 标签为 , , , , , | 7条评论

汽車老司機車載汽車老司機好奇婴幼儿李宁体育用品