AI經濟

 讓我接續已經說明「 觀念1：常見的壓力線和支撐線只是高中數學的兩點決定一直線 」的前篇文章，繼續講講第二個觀念，壓力線和支撐線的先決條件。想要講這個觀念之前，我要先說一下，請不要用你常見或已經學過的技術分析懟我。你有你的技術分析觀念和知識，而我則用數學和統計學觀念和知識在解讀和分享。感謝大家的認可與喜歡，如果感受到冒犯了，請左拐更換關鍵詞搜尋，謝謝理解。 第二個觀念：壓力線和支撐線的先決條件 當你看到下圖的壓力線和支撐線時，有什麼感覺？是不是「往下走」的兩條平行線呢？所謂的「往下走」就是 趨勢方向 。平行的壓力和支撐線賦予一個趨勢方向感。 那什麼是趨勢(Trend)？ 請注意上圖的橫軸是時間，從左到右代表從過去到現在，因為線的存在，產生了指引方向，進而讓觀看圖形的人有了趨勢感覺。這個非常簡單的事實現象，以及人們的感覺，只是你可能遺忘潛意識一直使用的固有思維。 兩條黃線可以讓你有趨勢感，就只需用四個收盤價決定！換句話說， 用四個收盤價就決定趨勢，並代表這段時間內所有的股票價格 ，你能認可這種事嗎？這代表其他收盤價的藍點都能消失，不用再看。只要看決定第一個觀念得到的壓力和支撐線的四個點，就夠了！聽起來很天方夜譚，但從上一篇文章的支撐線和壓力線產生方式就是如此。 可是，這一群數字的趨勢意味著，代表這群數字告訴我們的方向和規律性。其中的兩點不能代表這群數字，所以，兩點連成一直線的支撐線和壓力線都不能代表「這群數字的方向和規律性」。 此時，我們就得考慮 有沒有哪種趨勢的表現方式可以代表「這群數字的方向和規律性」呢 ？能夠代表這群數字的直線，既是趨勢線，也是存在誤差的直線。因為趨勢只是平均概念，和實際的數字存在差距。這差距稱為誤差(Error)，也稱為風險(Risk)。所以支撐線和壓力線的先決條件是「先要有條趨勢線」，而且是能夠代表所有數字的「趨勢線」。之後再藉趨勢線，產生上下限，各自代表支撐線和壓力線。如此一來，支撐線和壓力線不再是簡單的兩點連成一直線，而是可以「容忍誤差」存在的趨勢上下限。 趨勢從哪來？ 直至現在很多專家學者在講時間序列資料的趨勢時，總愛SHOW出折線圖，以此代表趨勢。我今天沒有要說折線圖能否代表趨勢的問題，如果你對折線圖是否能代表趨勢線有興趣，請參考「 股市走勢圖是詐騙還是奇蹟 」的簡報資料。 回到趨勢，人類最簡單的表現方式就是直線。這直線未必穿...

 很多人都在K線圖上畫著各種的線，移動平均線、壓力線、支撐線、三關線等。各種的線條在K線圖上飛舞著，而解說的人就著這些線和股價的K棒位置講得口沫橫飛。然而，正在聽著的人是否真的知道支撐線和壓力線從何而來，為何而來呢？ 這篇文章告訴你三個觀念，看完後你就能夠明白壓力線和支撐線的意義，兩者的先決條件是什麼，以及怎樣的線才是壓力線和支撐線。 觀念1：常見的壓力線和支撐線只是高中數學的兩點決定一直線 你看到在K線圖上畫出的支撐線和壓力線，都是畫者自己依照看圖的經驗，找出兩K棒畫出來的。甚至，他們也不管是不是有對應到收盤價位置，可能是K棒的最高價拉到另一個K棒的最高價，形成壓力線。然後再拉出兩個K棒去形成支撐線。 畫者還會說大約畫出來就好，再精準也沒有用。這只是判斷用。我們最後是要看後續有沒有形成三角收斂，然後K棒有沒有突破壓力線。 聽起來都很美好。若大學有學過大一數學和大二統計學的人還因此相信，那大學等於白學了重要的知識和技能。 讓我緩緩道來原因。 那些畫者確實找出兩根K棒，這相當於兩個點幫助他畫出直線，形成壓力和支撐線。此道理在 高中數學的二元一次方程式 就有教。忘記的朋友可以上網看YouTube二元一次方程式就有說明。我在這不再多加贅述。換句話說，高中生和高中老師都懂的知識，他們都能解說K線圖了，何必有那麼多「老師」們在宣傳和招收會員呢？ 由此可見，他們用的K線圖只是「宣傳」工具，真正投資給的資訊不是K線圖的資訊，也許是消息面，也許是技術指標的判斷訊號。但「宣傳」時K線圖上壓力和支撐線肯定不是重點。 既然是二元一次方程式，肯定可以找出方程式吧。前述提到「畫得差不多位置就好」已經預先阻止你去思考他們畫線的漏洞了。也就是說，如果你有辦法算出壓力線和支撐線的二元一次方程式，就能找下一個時間點的壓力值和支撐值，直到兩條線交會點(這在高中數學也有教)。 有壓力值和支撐值，你就能和股價去比對。如果股價超過壓力值，那超過多少都能算出來。那為什麼你明明讀過高中，卻還做不到算出壓力線和支撐線的方程式呢？答案特別特別簡單！ K線圖的每根K棒有四個數字，請問你選哪個算壓力線和支撐線？ 如果你直接在K線圖上畫線，永遠都無法算出壓力線和支撐線，如此就產生了模糊地帶，讓人可以做手腳。例如說可能猜錯，有風險等。事實上， 方程式是沒有誤差的 ！這壓力和支撐線從頭到尾都是兩根K棒連線起來的，沒有...

喜歡選擇金融股來存股的朋友們，更為需要股價趨勢的資訊。那麼中信金控的三個月股價趨勢會如何呢？從直線和非線性的趨勢表現皆是向下趨勢。而Curvilinear迴歸趨勢則是向下趨勢後，轉為盤整。 數據資訊 期間  2022年8月1日至2022年10月31日 時間代號 267 ~ 330 直線趨勢結果 估計線的方程式  Y = 44.622582 - 0.075788 X Y = 中信金控每日收盤價 X = 時間變數 = 時間代號 對斜率進行統計分析，建立虛無假設 H0: slope = 0，得到ANOVA結果如下。 test statistic = 184.120078, p value = 0.000000 R2 = 0.748090, R2(adj) = 0.744027, MSE = 0.681314 非線性趨勢結果 估計線的方程式  Y=29.6606112646 - 0.00000028475344882459 X^3 Y = 中信金控每日收盤價 X = 時間變數 = 時間代號 對斜率進行統計分析，建立虛無假設 H0: slope = 0，得到ANOVA結果如下。 test statistic = 196.744090, p value = 0.000000 R2 = 0.760381, R2(adj) = 0.756516, MSE = 0.648073 Curvilinear迴歸趨勢結果 估計線的方程式 Y=22.352867513913580000000000000000+ -0.161925651933415790000000000000*(X-298.5)^1+ 0.023432726556755767000000000000*(X-298.5)^2+ 0.004337179150752490400000000000*(X-298.5)^3+ -0.000908582752424336170000000000*(X-298.5)^4+ -0.000126187007708722380000000000*(X-298.5)^5+ 0.000010339804890648757000000000*(X-298.5)^6+ 0.000001427361157713136200000000*(X-29...

美國聯準會在2020年發布博客文章，正是定義長期平均通貨膨脹目標(AIT)為2%，一改過去1996年到2019年將2%認定為隱性通貨膨脹目標。聯準會以個人消費支出(Personal consumption expenditures)所計算的通貨膨脹率和AIT做為指標訊號，進行聯準會政策的參考依據。 不過，單就這樣看聯準會通貨膨脹政策目標和PCE指標的比對，並不能看出什麼。不過，若要做短期政策，使用單變量的通貨膨脹率又能如何被使用呢？ 我提出這樣的一個新觀點： 由通貨膨脹率的時間特性展現趨勢，再由趨勢期間的數據得到平均值和趨勢斜率做為訊號。 這是什麼好處呢？我提出兩個好處。 第一個好處是這樣的做法符合統計學迴歸分析對變異數分析的概念。由於通貨膨脹率在數據的集合概念上，為開集合。這不符合數學分析的標準。但我們仍要分析它建立短期政策，那就要考慮其他，如分段趨勢。分段趨勢如同實驗設計的分組，每組都能得到各自的平均值。此平均值會和全體的平均值(AIT)產生組間變異。各組又能得到組內變異。這不就是統計學的實驗設計嗎！ 第二個好處是長期目標對短期政策可能產生落後影響，還可能發生太緊縮的情況。短期政策需要短期的趨勢線，由此在目標政策區間進行政策實施。而後平均而言達到AIT結果。趨勢線的優勢在於存在趨勢線和誤差。有利於預測未知的未來值。 數據來源 U.S. Bureau of Economic Analysis, Personal Consumption Expenditures Excluding Food and Energy (Chain-Type Price Index) [PCEPILFE], retrieved from FRED, Federal Reserve Bank of St. Louis; https://fred.stlouisfed.org/series/PCEPILFE, November 7, 2022. 資料表名稱  Personal Consumption Expenditures Excluding Food and Energy (Chain-Type Price Index) Index 基期  2012=100 頻率 月資料 季節調整  有 日期  2016/01 ~ 2022/09 這數據下載後還需要...

 美股在美東時間22年10月13日公布9月通貨膨脹率後，先跌後大漲。多數新聞提到 投資人認為通貨膨脹已經到頂，如果不到頂也已經是到尾聲 紐約時報則提出目前美國通貨膨脹率仍為高點，並認為美國的消費買氣未減，但物價讓荷包縮水。其實這些新聞寫的內容，有的部分非常矛盾。例如，物價高漲讓荷包縮水，這時消費者只會減少購買。如果沒有減少購買，那就是借錢購買。但美國聯準會正在升息中，借錢會讓之後還不起錢，導致信用破產，那美國人會做這樣的事情嗎？照著新聞所言，美國的消費買氣不減，就表示美國人借錢購買，做生活費用用。 其次，紐約時報提到高通膨變成習以為常後，勞工要求漲工資，雇主會將勞工成本反映在價格上，促使物價只高不低。這樣的論點看似合理，其中也有不合理的地方，那就是雇主裁員。當勞工成本過高到雇主無法擔負，那就是裁員了。如彭博新聞說了英特爾10月要裁員千人，以縮減成本。 當員工不再是員工，雇主對產品價格就無需反映那麼高的薪資成本，很可能轉向機械化，服務業或將不重要的勞動由自聘轉為外包。 這種常態性的高通膨情況，並不是個理想狀態，對整個經濟來說都不是件好事。甚至股市的大漲很可能都是為了特定單位的業務績效。 那麼，讓我使用以下4種方法來進行美國10月通貨膨脹的預估，以及9月通貨膨脹數據加入後對趨勢的影響。 直線多線段法 這是一種基於AI和線性迴歸分析的方法。讓資料期間的數據配適出最佳的直線估計。AI將切割出7個期間，最後，也是最近期的直線為線段7，其資訊有： 期間：20年3月到22年9月 估計式：Y = -17.447094 + 0.333321*X 判定係數：0.931816  這最後一條直線是一條上升的直線。在這26個月中，平均每月增長0.33%的通貨膨脹率。而判定係數非常高，幾乎完全準確。 此結果需要注意3點。 美國通貨膨脹仍處於高通膨狀態 。看似美國通貨膨脹從22年7月後開始下滑，但都處在8%以上，緩慢接近8%。這讓美國人須忍受更長時間的高通膨。整體的經濟情況也未必能快速好轉。 美國通貨膨脹仍是向上趨勢 。直線仍為向上走，並不如過去聯準會升息三四次就能控制通貨膨脹，反轉下行。如果說是到頂，也只是看單個數據的比較，而非看趨勢。至於會不會失控再出現更高的通貨膨脹率？只能說未來都是未知的，一切都有可能。 美國通貨膨脹逐漸維穩 。比對之前的7和8月通貨膨脹率下的直線斜率，...

 每股道瓊工業指數在22年10月13日，大漲827.87點，收盤在30038.72。這樣大漲的結果，從長期趨勢線來看，十足微不足道。道瓊指數的長期下降趨勢穩定不變。在使用21年5月3日到22年10月13日的每日收盤，計算直線和非直線趨勢線，如下圖。 藍點：每日收盤 紅點：估計線 黃點：95%預測區間上下限 直線趨勢線 左圖是迴歸分析得到的紅色估計線，代表長期趨勢。趨勢線的方向是向下走，道瓊指數的市場下跌壓力很明顯且強烈。不過判定係數為48.31%，並不是很準確。 藍點的每日收盤沿著紅色趨勢線向下做波動，並且波動幅度在近期很少碰觸到95%預測區間上限，反而已經兩次碰到95%預測區間下限後，做反彈。 非直線趨勢線 右圖是迴歸分析得到的紅色非線性估計線，代表長期趨勢。同樣如直線趨勢線往下走，非線性的估計式還是時間X的3.4次方，比平方下降速度還快。判定係數為68.80%，算有準確率，所以導瓊指數的市場下跌力量不能用直線去看，而是有更強烈的市場下跌壓力。 結論 即使22年10月13日的大漲，在長期趨勢圖中，仍屬於正常的震盪狀態，並不會改變道瓊指數的長期趨勢。

資料描述 資料期間：2019/12/31 ~ 2020/06/30 資料頻率：1分鐘 總資料量：132150筆  資料特性：正整數的收盤指數 對如此高頻率的數據資料而言，其來源的分配，以及結構都是值得被分析的。不過也因為是高頻率且為正整數特性， 單純用適合度檢定和曲線配適法(Curve fitting method)無法獲得結果。對此，我將使用人工智能分析的意向大數據分析軟體找機率分配。 人工智能分析找機率分配 由於收盤指數為數字，所以相對次數分配表的分組上，我選擇分為100組，並且以組中點代表該組。組中點最小值為8300.585，最大值為12178.415。經過計算後得到最大機率值為4.35%的11424.185，以及最小機率值的0.0045%的8300.585。