Last Seen Blogs
Text
馬斯克宣布賣出特斯拉股票39.5億美元
我們能用股價看出端倪嗎？
用趨勢來看，從去年7月1日到今年11月4日的直線趨勢已是緩慢下滑。但這條趨勢線的代表性不足，換句話說，特斯拉在這段時間走出「震盪盤整」，而不是明確的上升或下降趨勢！
而非線性的股價趨勢更反映震盪格局，這顯示在拉出一條紅色的水平線😒💬
至於最精確的趨勢方法-curvilinear regression，不僅抓出股價雜訊規律，紅色趨勢線代表性足夠。這樣的震盪走勢看似有底，卻也上不到先前高價！
這樣的震盪格局會玩的「懂得都懂」🤣
2 notes
·
View notes
Text
台積電在晶片代工生產上占全球第一的份額，現在能買它嗎？
台灣股市的台積電 tsmc
我用股價趨勢動態看其變動和反轉
youtube
#股市#財經#股票#台灣#臺灣#taiwan#台積電#TSMC#chip#晶片#芯片#晶圓#台股#趨勢#股價#股價趨勢#動態#統計學#迴歸分析#statistics#regression#stock market#stocktrading#stock prices#trending#trend#price trend#Youtube
0 notes
Text
2022/10/06週四和2022/10/07週五
跑了道瓊的趨勢
都是cos函數，沒改變！
因為加入週五收盤價，可以看到預測值調整了
關注➕轉發
0 notes
Text
有錢的華X街
10/3和10/4快速拉升道瓊
0 notes
Text
投資嗎？你想看趨勢線圖嗎？
你還想錯過投資的關鍵股價趨勢方向嗎？
看完股市趨勢線，你還拒絕嗎？
想看原圖，請留言
超過10人留言，發布原圖😆
0 notes
Text
大家認為美國股市發生什麼事情呢？會不會就此崩盤？
最近很多消息面和公佈的數據讓美國股市特別不穩定。在推特上還出現「stockmarketcrash」的標籤。
我們能不能脫離奔湧而來，雜亂無序的消息面，轉而從股價指數來看看美國股市到底會不會崩盤？以及股市趨勢出現反轉跡象了嗎？
我選擇道瓊工業指數做為分析對象。
第一步、分析方法是統計學的迴歸分析法，用四種趨勢模型來看道瓊工業指數。
第二步、短期預測採用「多線段法」。這是同上一樣使用統計學的迴歸分析法，多加了AI做時間段切割。也就是上圖內的右上趨勢圖。
第三步、比對檢驗預測值結果。用相對誤差衡量上週得到等預測值和本週實際值之差，確認模型的預測準確性。
第一、看長期趨勢
這裡有四種模型：
直線迴歸
非直線迴歸
曲線直線法(curvilinear regression)
多線段法
上圖為直線迴歸結果，紅色趨勢線呈現明顯下降趨勢。藍色的道瓊工業指數沿著紅色趨勢線，在黃色的95%預測區間內波動。
這條紅色直線的趨勢線，在358天內，平均每天跌10點，並且0.44的判定係數告訴我們這條趨勢線的準確率不高。
我們需要非線性的非直線迴歸結果。
非直線的紅色趨勢線在近期是明顯的下降狀態。由數學式可看到是時間的3.3次方，比拋物線下降速度還要來得快。這就是上圖給的：「急速快速下降」！
而資料期間可見，前期是一大段的盤整期！
那還有更能展示道瓊工業指數趨勢的方法嗎？有的。讓我們看看曲線直線法吧！
曲線直線法就是curvilinear 迴歸，是來自泰勒展開式的一種曲線型迴歸分析法，常見於生物統計教科書中。
它可以準確抓住數據的趨勢結構，但伴隨而來的是數學式特別複雜。因為抓住細微波動，這導致了明天預測值可以被接受，但超過一天後的預測值很可能失控。所以這樣的準確率讓我們承擔了未來預測值的不可控性。
如果可以，人類還是習慣用簡單的方式去看複雜的股價趨勢。那這可行嗎？如果沒有AI的發展，可能就做不到了！這個方法稱為「多線段法」。
首先讓大家看到的是直線型的多線段法。比對曲線直線法和多線段法的紅色趨勢線，兩者非常近似。
那這樣的多線段結果可被信任的程度到哪？以及還能做什麼呢？
有數學式的時間序列資料就能做預測。
第二、短期預測
讓我們看看短期預測結果吧。首先，這最後一條直線配適出高達0.9的判定係數，這條線的準確率相當高。
估計線告訴我們：在這18天內，平均每天下跌195點。
那近五日的預測值顯示在下圖！
不過，我們還能用非線性的多線段法做預測。
第三部分請至YouTube看
youtube
0 notes
Text
你相信嗎？用統計學迴歸分析方法就能找股價趨勢！
前面我提到用折線圖表現的股價圖不是趨勢圖。只有統計學的迴歸估計線才是趨勢線！很多人無法想像，也不太能接受這點，甚至詢問我如何檢驗迴歸的精準(accuracy)。
我回對方，我只是使用教科書上的迴歸分析。精準？迴歸分析衡量優劣的方式，不是判定係數愈高，就是MSE愈小。還要怎麼檢驗(test)呢？
我又不是做機器學習，搞一堆的篩選條件。迴歸分析法的標準是什麼就是什麼。沒有什麼是能被改變的！這樣的原則，只要有學過統計學的人都明白。
這集影片將介紹給大家了解，股價趨勢可以用圖了解，也需要數學式輔助了解。我將展示四種迴歸模型：
1. 直線迴歸 linear regression
2. 非線性迴歸 nonlinear regression
3. 曲線直線迴歸 curvilinear regression
4. 多線段法 multi-line combined method
4.1. 直線多線段法 lines combined
4.2. 非線性多線段法 nonlinear lines combined
透過這四種模型方法，讓大家看到趨勢的樣子。進一步了解股價趨勢是這樣看，這樣理解，很輕鬆看圖就能懂！
至於股價預測，我使用多線段法做短期預測。大家可以看到道瓊工業指數的短期預測值。當然這樣的預測值也僅是提供參考用。畢竟股市總會出現新事件在影響股價。
0 notes
Text
你想過用股價就能發現很多不為人知的股票資訊嗎？
很多人想找到股票價格的趨勢，只是對「趨勢」的定義和呈現方法並沒有很了解。這讓投資人很可能選錯股票趨勢的表現工具！
所謂的「趨勢」並不是折線圖就能表現出來。那只是兩點連成一直線的方式，將股價給連起來。
趨勢其實是統計學的估計線！
統計學的直線估計就是為數據找出最佳的直線估計式。估計式是用數學式表現，斜率則會清楚顯示上升或下降，以及上升或下降力道。
當然，統計學的迴歸分析還能配適非線性函數！這讓我們更能找出數據的趨勢。
趨勢還要最佳的資料量去配適直線或非直線！
過去學過統計學迴歸分析的人都會認為有多少資料量，就都拿去配適估計式。但這裡我要提出一個所有人都有遺忘的迴歸分析基礎觀念：
如果我們要配適直線迴歸，那麼從時間序列資料的開始點，開始加入下一筆資料，配適新的迴歸方程式，我們也要保持這條直線估計式的距離準確率，也就是判定係數愈高愈好！
因此，使用統計學迴歸分析時，不該是所有的資料量都放進去做迴歸，而是要一筆筆加入後再配適檢測！
你無法想像，這才是迴歸分析法除了「配適估計式」和「注意假設是否滿足」外，我們還要注意資料量！
也因為如此，我們成功使用AI做到了！
看看這篇文章的影片。我用微軟股價展現了智能分段法得到的結果！
0 notes
Text
使用AI智能分段數據結構分析軟體，看到台積電股價趨勢
0 notes
