PTT職涯區 / Stock (股票)

Re: [請益] 投資的世界,努力研究真的沒用嗎?

看板Stock (股票)作者 (cluster)時間3天前 (2025/01/08 14:51), 3天前編輯推噓10(10推 0噓 37→)
留言47則, 7人參與, 3天前最新討論串22/23 (看更多)
※ 引述《lovepork (我愛豬肉不愛牛肉)》之銘言： : ※ 引述《cailon (我不一定是我!)》之銘言： : : 其實也不能說沒用啦 : : 像阿肥遵循的1分k法則 : : 確實可以讓阿肥吃飽飽 : : 但是不管什麼投資 : : 停利跟停損做好最重要 : : 會賠錢十之八九都來自於貪心 : : 阿肥自認沒有耐心抱得住飆股 : : 然後像今天 : : 阿肥小小的貪心一下 : : 就差點把自己玩死了 : : 看吧，當把成交量放大的時候 : : 很容易就被市場教訓 : : 所以不要再害韭菜，一次當沖10張 : : 2張就好 : : https://i.imgur.com/ujybMMM.jpeg
: : 所以還是像阿肥一樣 : : 每天賺錢晚餐錢就好了 : : 話說康那香賣在19.95 : : 雖然有點生氣 : : 但是晚餐錢有了 : : 還是乖乖上班吧 我知道我講了也會被噓 不過還是隨便分享一下 聽不懂就算了 我之前是把algebraic topology概念應用在股市投資上 不過我最近發現有個東西更有趣 叫做sheaf sheaf 有點像fibre bundle 拓墣空間上的fibre bundle可以encode更多資訊 有發表出文章再跟大家分享 P.S. 已經有人在做sheaf neural network (2-3年前的事情了) 所以這不算新的題材 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 155.69.167.66 (新加坡) ※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1736319067.A.21A.html ※ 編輯: davidwales (155.69.167.66 新加坡), 01/08/2025 14:51:26 ※ 編輯: davidwales (155.69.167.66 新加坡), 01/08/2025 14:53:08
→
01/08 14:57, 3天前 , 1F
跟你說板上和一般人的學理和這種學理不同~
01/08 14:57, 1F
推
01/08 15:05, 3天前 , 2F
感覺很像傅立業轉換用cos sin描述對股價分解重組
01/08 15:05, 2F
→
01/08 15:06, 3天前 , 3F
小波轉換用更多種母函數做為轉換基底
01/08 15:06, 3F
推
01/08 15:07, 3天前 , 4F
這是代數拓墣的東西
01/08 15:07, 4F
→
01/08 15:07, 3天前 , 5F
是很嚴謹的學科 可以請教應數系的老師看看
01/08 15:07, 5F
→
01/08 15:08, 3天前 , 6F
直覺就是把分解重組的基底改成拓墣纖維叢
01/08 15:08, 6F
推
01/08 15:10, 3天前 , 7F
sheaf 包含base space和 fiber bundle兩部份
01/08 15:10, 7F
→
01/08 15:10, 3天前 , 8F
層像是對纖維叢的資訊分析
01/08 15:10, 8F
→
01/08 15:11, 3天前 , 9F
base space可以是vector space, graph, sets
01/08 15:11, 9F
→
01/08 15:12, 3天前 , 10F
這類工具的問題就是轉換回正常價格能否對應真實價格
01/08 15:12, 10F
→
01/08 15:13, 3天前 , 11F
小波跟富麗葉轉換的問題就是只能用在歷史資料
01/08 15:13, 11F
→
01/08 15:15, 3天前 , 12F
簡單說用今天收盤為止的股價 預測夜盤跟明天的價格
01/08 15:15, 12F
推
01/08 15:15, 3天前 , 13F
小波是時間尺度的分析 我這個比較像空間尺度的分析
01/08 15:15, 13F
→
01/08 15:16, 3天前 , 14F
更簡單的說法就是用歷史資料外插股價正確與否
01/08 15:16, 14F
→
01/08 15:16, 3天前 , 15F
小波很多文章都發表了 那個也算是成熟技術了
01/08 15:16, 15F
→
01/08 15:18, 3天前 , 16F
小波傅立業都可以做2D的 但問題還是在於外插結果
01/08 15:18, 16F
→
01/08 15:19, 3天前 , 17F
或者可以外插多空強度例如 強多 弱多 盤 弱空 強空
01/08 15:19, 17F
→
01/08 15:20, 3天前 , 18F
就是從連續性的價格回歸變成離散的市況分類
01/08 15:20, 18F
→
01/08 15:21, 3天前 , 19F
總之 要能用於交易
01/08 15:21, 19F
→
01/08 15:22, 3天前 , 20F
以前我想做要做2D的轉換 光想到空間軸要連續或離散
01/08 15:22, 20F
→
01/08 15:23, 3天前 , 21F
我就放棄了 例如台指價格 23398 23399 23400 23401
01/08 15:23, 21F
→
01/08 15:24, 3天前 , 22F
那你的轉換的價格要不要在中間放很多或很少個小數
01/08 15:24, 22F
→
01/08 15:25, 3天前 , 23F
其實我覺得 原po可以試試分數傅立業轉換
01/08 15:25, 23F
推
01/08 15:26, 3天前 , 24F
p大 傅立葉主要是再分析時間尺度的東西 我做的是
01/08 15:26, 24F
→
01/08 15:26, 3天前 , 25F
這種時域頻域之間的轉換 感覺會有比較多實用價值
01/08 15:26, 25F
→
01/08 15:27, 3天前 , 26F
空間(拓墣 幾何) 的分析 分析的東西不太一樣
01/08 15:27, 26F
→
01/08 15:29, 3天前 , 27F
重點是 有賺到錢嗎?
01/08 15:29, 27F
推
01/08 15:30, 3天前 , 28F
如果對傅立葉了解只在1D時間 那不如先升級2D時空
01/08 15:30, 28F
→
01/08 15:31, 3天前 , 29F
K線圖來說 就是X軸時間 Y軸價格 的2D FT
01/08 15:31, 29F
→
01/08 15:33, 3天前 , 30F
反正當初我是想到價格的解析度問題 就放棄了
01/08 15:33, 30F
→
01/08 15:34, 3天前 , 31F
我覺得2DFT 會比拓樸之類的工具更有用
01/08 15:34, 31F
推
01/08 15:34, 3天前 , 32F
複雜系統的資訊流都是spatial-temporal的
01/08 15:34, 32F
→
01/08 15:35, 3天前 , 33F
時間尺度的分析不是不重要 而是我們想先瞭接清楚
01/08 15:35, 33F
→
01/08 15:36, 3天前 , 34F
空間尺度部分後 才會從不同時間尺度去著手
01/08 15:36, 34F
→
01/08 15:36, 3天前 , 35F
對啊 完正的K線資訊 成交量 = f(時間,價格)
01/08 15:36, 35F
→
01/08 15:38, 3天前 , 36F
可以看市面上說的分價圖
01/08 15:38, 36F
→
01/08 15:39, 3天前 , 37F
實際3D繪圖看到的是會起伏的山峰 沒成交就是平地
01/08 15:39, 37F
→
01/08 15:41, 3天前 , 38F
只做2DFT 等於把成交量看成(0,1)只區分有無
01/08 15:41, 38F
→
01/08 15:41, 3天前 , 39F
聽起來很厲害
01/08 15:41, 39F
→
01/08 15:42, 3天前 , 40F
3D FT 才會有 時 價 量 完整資訊
01/08 15:42, 40F
→
01/08 15:45, 3天前 , 41F
我覺得傅立葉轉換就很夠了 不用拓樸留數之類的裝逼
01/08 15:45, 41F
推
01/08 16:51, 3天前 , 42F
好像很厲害 不過可以直接講結論不要賣關子嗎
01/08 16:51, 42F
推
01/08 16:59, 3天前 , 43F
結論就是你想辦法把股市的資料用sheaf neural netwo
01/08 16:59, 43F
→
01/08 16:59, 3天前 , 44F
rk去訓練 可能會有可以套利的機會
01/08 16:59, 44F
→
01/08 17:00, 3天前 , 45F
sheaf neural network有是一個神經網路 只是比較
01/08 17:00, 45F
→
01/08 17:00, 3天前 , 46F
難懂而已~~~
01/08 17:00, 46F
推
01/08 17:35, 3天前 , 47F
離擲筊只差一點距離
01/08 17:35, 47F
‣ 更多 davidwales 的文章
文章代碼(AID): #1dVY1R8Q (Stock)
討論串 (同標題文章)
以下文章回應了本文：
完整討論串 (本文為第 22 之 23 篇)：
排序： 最舊先 | 最新先 | 留言數
在新視窗開啟完整討論串 (共23篇)
Stock 近期熱門文章
更多 近期熱門文章 >>
PTT職涯區 即時熱門文章
更多 即時熱門文章 >>
‣ 更多 davidwales 的文章
文章代碼(AID): #1dVY1R8Q (Stock)