有些熬不住了

相关日志

• 无相关日志

Optimization Toolbox

Partial Differential Equation Toolbox

Statistics Toolbox

Curve Fitting Toolbox

 Financial Toolbox

Financial Derivatives Toolbox

Datafeed Toolbox

Fixed-Income Toolbox

Econometrics Toolbox

Database Toolbox

这几个其实都零星的用过，不过大多是用什么就查什么了没有刻意去看了。

第一个上optimization课用的，第二个做project用过，第三个上novo的课用的，虽然他总说用R 第四个还是project 第五个 第六个居然没有用过，功能和excel重复了些，第七个取yahoo数据用过 第八个上这个课用过 第九个没用过，最后一个最近在淘腾。其实还有matlab编译器的工具箱，不过机子最近配置不成功，就没有继续下去了。

好好看看help吧，这东西准备当饭吃的。

相关日志

• 关于MATLAB (0)
• Matlab概率统计工具箱(3) (0)
• Matlab概率统计工具箱(2) (0)
• Matlab概率统计工具箱(1) (0)
• matlab 和Google yahoo finance的数据获得 (0)

上matlab实验课的时候，老师刻意回避了这个，其实我觉得这并不好，如果我们不用他的工具箱的话，其实他和其他的软件没有什么区别，所以重点一开始就错了，要用matlab就用他的工具箱，要不然的话，用其他的软件更好些，而且其他的软件也都有各自的函数库，其实matlab实现的功能其他的软件也是一样可以实现的，不过话说会十门不如专一门。与其什么都学个皮毛，不如好好的淘腾一个，软件这个东西，基本上是一通百通的，之前乱七八糟学的c++ c vb vba mssql mysql，其实都还好，不过现在没有能力把它们都完全整明白吧，其实想想花时间在c++上不如花在m上，这年头，功能是小，装13是大。

这半年时间我一直想把学的东西整理一下，毕竟这两年学的东西虽然很多，不过还是没有框架，很多东西都知道，可是用起来总还是不对劲。

1.  accounting ,risk mangment.

2.  quant analysis

3.  software (matlab vba c sql)

争取做到有什么想法就能解决的水平吧。

时间有些紧了，好好准备吧，毕竟不知道这样最后能拿到什么的结果。

相关日志

• Matlab概率统计工具箱(3) (0)
• Matlab概率统计工具箱(2) (0)
• Matlab概率统计工具箱(1) (0)
• matlab 和Google yahoo finance的数据获得 (0)
• matlab toolbox (0)

相关日志

• 无相关日志

叔叔说要注意身体了，之前一直没有好好注意的，慢慢发现现在的这个身体要加机油了，一身的毛病

相关日志

• 无相关日志

相关日志

• 无相关日志

（一）启发式简化
科学常识告诉我们：源于人类的先天缺陷——生命和认知资源的有限性，决定了投资者无法对环境反馈来的所有信息（数据）进行优化处理。相反，自然选择的结果将投资者的思维塑造为一种依赖经验法则对多种提示信息子集予以选择的特征。按照行为金融理论的分析，这种投资者经常依赖的、可以节约处理信息的经验思维法则就是启发式简化。综合已有的理论成果，典型的启发式简化可以细分为注意力、记忆力和悠闲处理效应（attention/memory/easy-of-processing effects），狭窄性取景、心理账户、参照效应和损失厌恶（narrow framing/mental accounting/reference effects/loss aversion），典型性试探法（the representativeness heuristic）及信念校正-合并效应（belief updating-combining effects）等几种。
（1）注意力、记忆力和悠闲处理效应
根据注意力、记忆力和悠闲处理效应，一般的投资者只有有限的注意力、记忆力和信息加工能力，这就迫使投资者只能对可利用信息全集中的一部分进行集中性分析，而那些无意识的联想也常常会导致投资者产生对信息的倾向性选择。Gilovich（1981）研究发现，利用口头方式传达主题信息会引发信息的接受者做出一些影响其判断的联想。而这种联想又会导致“显著性效应”和“有效性效应”（salience and availability effects），即如果一个信息信号具有吸引投资者的注意力并引发投资者对回忆产生联想的特征，那么它就具有显著性效应。而投资者也总是把容易回忆起来的事件判断为极普通的情况来进行对待，因为非常普通的事件总是被重复地注意和报道，投资者更容易回忆起它们来，此时就产生有效性效应。
投资者经常受到所面临选择问题的形式的干扰，其中一个原因在于投资者无法有效地从已有的记忆中找到相关信息（Pennington&Hastie，1988）。投资者总是认为那些偶发性的事件不值得关注，并对这些事件发生的概率进行低估（Fischoff，Slovic&Lichtenstein，1978），这就意味着投资者存在一种过度自信（over- confidence），所以当没有预见到的事件突然发生时，投资者又会产生过度反应。

自我感知理论（self-perception theory）（Bem，1972）表明：投资者会通过观察其自身存在的环境和自我行为，从中推断自己的态度、感情和其他内部心理状态。这种推断可能缘于个体记忆的损失或个体缺乏了解自我无意识心理状态的途径，而习惯（habits）的形成则可能是弥补这种记忆损失的最优机制。因为按照 Hirshleifer&Welch（2000）的认识，习惯是投资者提前采取行动的一个较好的理由，是一种内涵式的自我感知。
Nisbett&Wilson（1977）发现：某A对某B的一项优点的偏好会因“晕轮效应”（the halo effect）导致A将这种高评价扩展到B的其他特征上，与此相似的“一好遮百丑”式的启发式思维偏差会导致股票市场上的错误定价。在有效的市场上，具有良好增长预期的股票也不一定具有较高的风险回报，如果投资者错误地将他们对某只具有良好增长预期的股票的偏好性评价扩展到对此只股票的整体回报预期上，那么这只具有良好增长预期的股票将被过高定价（Shefrin& Statman，1995）。
悠闲处理效应和容易检索效应相同。 Reber&Schwartz（1999）发现，投资者更倾向于相信那些容易处理的信息的真实性，这是一种“真理幻觉”（the illusion of truth）偏差。Bruner，Postman&Rodrigus（1951）认为，相似性信号的组合（如黄色和香蕉）比起那些非相似性信号的结合更容易被人们所感知。Bornstein&D’Agostino（1992）指出，持续暴露于非强制性刺激背景下的人会趋向于逐步喜欢这种刺激，也就是说存在强烈的“纯粹暴露效应”（mere exposure effect）。这种启发式思维的偏差，根源于某些信息更容易为人们所熟悉和理解，其风险也相对较小。进化论心理学家Trivers（1985）则认为，人们对熟悉或亲近的他人所具有的这种偏好缘于人们内在遗传的相关性。Huberman（1999）认为，这种启发式偏见意味着投资者比较偏好于在本地进行投资。大量心理学实验表明，人和动物都无法对各种暗号（信息）间的关联结构做出正确的理解，此时，暗号间的竞争（cue competition）就会发生：显著性暗号将会削弱非显著性暗号的影响效果，而有效性暗号则会构成对非有效性暗号的干扰。这种暗号竞争无疑广泛存在于股票市场，并对股票的错误定价起到决定性影响。

（2）狭窄性取景、心理账户、参照效应和损失厌恶
狭窄性取景、心理账户、参照效应和损失厌恶也是一种典型的启发式简化造成的认知偏差。Kahneman&Lovallo（1993）将“狭窄性取景”定义为投资者分析问题时具有思维隔离、角度狭窄的一种倾向，而在时间和认知资源有限的条件下，这种情况很容易发生。因为投资者认为，他们可以对相异的问题进行有效区分，而采用不同标准形式对不同的决策问题进行逻辑识别又会使投资者的选择带有极大的“取景性效应”。因为对特定参照标准的优化性选择及对某种结果的心理偏好可以大大节约思考，货币幻觉就是这种例子（Shafir，Diamond&Tversky，1997）。
“心理账户” （Thaler1985）本质上也是一种狭窄性取景，表示投资者趋向于将不同的收益或损失划分在不同的心理间隔性账户上，并依据不同的心理账户进行决策。心理账户可以用来解释“性格倾向效应”（the disposition effects）（Shefrin&Stataman，1995），即投资者存在坚持持有那些价值已经下降的股票直至卖出它们可以获益为止的过度倾向，此时的投资者会由于损失而产生不愉快的感觉，但似乎有一个敏感的心理设计在帮助投资者缓减这种痛苦。利用心理账户原理，也可用来解释“货币覆盖效应”（the house money effect）（Thaler&Johnson，1990），即如果赌博者在前一次赌博中赢了，他将非常愿意进行再一次博弈，因为他们认为在这一次赌博中他将会有与前一次赌博同样的好运气，尽管事实上前后两次赌博的赢输概率相等且毫不相关。而且，赌博者即使在这次赌博中把上回赌博赢来的钱都输光，因输钱带来得不愉快也会被前一次赌博赢钱带来得快感所抵消。
“参照效应”（Tversky&Kahneman，1979）认为，在投资者决策选择的第一阶段即“编辑”（editing）阶段，投资者采取寻求一个适当的参照点，以便进行简化性选择。而不同的参照点对收益和损失来说去大不相同，因此编辑方式的选择进而参照点的选择会产生投资者偏好与选择的不相一致的“构架效应”（framing effect）。基于不同的实验形式和程序，心理实验者们发现“偏好逆转”（the preference reversals）因素也会导致投资者的认知偏差。比如，在面对选择一个高赢率低支付的彩票还是一个低赢率高支付的彩票时，被实验者一般偏好前一种彩票但对后一种彩票估价更高。同时，投资者会受到“背景性效应”（context effects）的影响，即当实验中插入第三个选择项时，将会由于参照点的变化而引发一个截然不同的替代性选择结果。“锚定”（anchoring）（Tversky&Kahneman，1974）也与参照效应有关，它表示投资者在对某问题进行定量估计时倾向于受到一些与这个问题相关的建议性估计量的不适当影响，而这些建议性的估计量常常不具有参考价值。

“损失厌恶”（the loss aversion）是指投资者趋向于非常厌恶偏离参照点的一小点风险或损失的现象，这涉及到展望理论中效用函数的拐点问题（Kahneman&Tversky，1982）。损失厌恶可能来源于对连续性变量心理离散化的有效认知，比如当在“收益”和“损失”之间引入 “收支平衡点” 时，将使得“获益”和“损失”的区别更加显著。与损失厌恶具有密切联系的一种认知偏差是“遗憾厌恶效应”（regret aversion effect）。按照消费者的预期效用理论，效用等于某项选择所产生支付的概率分布。然而，Ritov（1996）研究表明，投资者在现实决策过程中常常是厌恶遗憾的，即投资者不仅仅关心这项选择可能带来预期效用的多少，而且更关心这项选择是否比其他替代性选择带来得预期效用更大，即可能面临的机会效用损失问题，投资者不愿意因为体会遗憾而懊悔。利用遗憾厌恶理论可以解释“赋予效应”（the endowment effect），即投资者偏好于坚持他们已有的东西而不愿意与别人进行交易以换得更好的替代品，例如许多人不愿意用自己的彩票去和别人同样的彩票外加部分现金进行交换。Samuelson&Zeckhauser（1988）提出的“现状偏差”（the status quo bias）则分析了投资者在维持现状和更好选择之间的抉择，结论是投资者具有维持现状的偏好。
（3）典型性试探法
典型性试探法（Kahneman & Tversky，1973；Grether，1980）表示投资者对某种真实概率的估计是建立在他们对此事件与典型性事件相似程度的观察基础上的，相似性可以被视为一种给定事件真实状态相比较于其他状态条件概率的指示器。尽管依据贝叶斯定理能够得出各种结果的先验概率，但依据典型性试探法进行判断的人们，对服从大数定律的大概率事件往往赋予较低的权重——“基率低估”（base-rate underweighting），而对于服从小数定律的小概率事件却会赋予更多的权重。典型性效应在Camerer（1995）的市场实验中曾经被证实。
一般地认为一个样本应该与总体保持相似性是正确的，这点尤其适用于无偏的相互独立的大样本。但典型性试探法引起的认知误差会导致：（1）人们减少对大样本估计有效性的信赖而更多地重视到小样本的估计有效性，这种求助主观的思维方法可能导致金融市场上的反应过度或反应不足（overreaction or underrecation）；（2）“赌博者谬论”（gambler’s fallacy）现象。持有赌博者谬论的赌博者相信，在一个独立的样本中，最近发生的结果不会发生在下一次，即“炮弹不会连续落在同一个地方”。 Clotfelter&Cook（1993）研究发现，买彩票的人们在选号时大多不会选择别人在近期已经中过奖的号码。（3）“趋势追逐” （trend chasing）现象，也就是指人们总是认为各种趋势的出现具有系统性原因，统计学家将其称为聚集性幻觉（the clustering illusion），即人们常常将随机出现的簇群性巧合认知成一种因果规律。根据Andreassen&Kraus（1990）的发现：当金融市场上的价格温和地波动时，投资者会买跌卖涨，而当某种趋势出现时，这种规律就会转变成一种趋势性追逐。 Shiller（1988），Case&Shiller（1990），De Bondt（1993）从实验和调研中发现：股票市场和房地产市场中的投资者经常通过预期价格的运动来推断趋势，从而产生对价格趋势的盲目追从。
（4）信念校正-合并效应
信念校正-合并效应属于一种保守主义导致的认知偏差。依据Edwards（1968）对投资者“保守主义”（conservatism）的分析，在合适的环境下，投资者并不会像理性的贝叶斯主义者那样在面对新情况时及时调整他们的先验信念，相反，这种信息对决策越有用，实际做出的校正和理性应当做出的校正之间的差距就越大。这种信念校正-合并效应意味着投资者往往会低估新情况的重要性。
对信念校正-合并效应的一种解释认为，对新信息进行处理并对信念做出校正要付出成本。有证据表明，人们倾向于不重视那些具有高认知成本的信息，如抽象性信息或统计数据（样本容量和基础性概率），而对于那些易于处理和理解的、具有低认知成本的信息则会反应过度，比如形象化图表或具体案例。对新信息的处理成本可以用来解释基率（base rates）低估问题，如果个体对所获得的有关大概率事件（基率）的新信息产生低估，那么这种基率低估就是一种保守主义的体现。 Koehler（1996）分析认为，如果有关大概率事件的信息是以更显著的形式或更强调其与决策问题因果联系的方式出现时，基率低估程度会有所缓和。这种基于新信息处理成本的解释并不意味着个体会低估其已存在的内在先验信念，相反，如果基率低估是利用典型性试探法的结果，那么对先验的低估就会存在。
Griffin&Tversky（1992）将信念校正-合并效应解释为对信息信号的反应不足和反应过度，即对信息信号强度（strength）过度信赖的结果或对信息信号权重（weight）缺乏信赖的结果。其中，对信息信号强度的认识依据于信息的极端（extreme）程度，对信息信号权重的认识依据于信息的可靠度（reliability）和精确度（precision）。例如，服从正态分布的大样本的信号具有高权重，但如果受到偏好的信号相比较于非偏好信号的优势程度是适度的话，它就有低强度。Grether（1992）；Payne，Bettman&Johnson（1992）分析发现，不同的实验背景会引发被实验者对同一信息产生相异的反应过度或反应不足。在不同的环境下，投资者倾向于对同一信息做出不同的判断。给定不同的可能性心理效应，引用认知偏差无法对金融模型中的反应过度和反应不足假设提供有力的支持，更进一步的支持需要通过将金融模型中的经济决策环境和证明某种认知偏差存在的特定实验下的决策背景进行对比，尤其需要对具有与金融模型中决策环境相同的经济实验进行运行和检验。
（二）自我欺骗
自我欺骗理论中蕴涵着的过度自信（overconfidence），这是得到较好证明的一种认知偏差。对刻度的扩展性分析表明，投资者认为自己所拥有知识的精确度要比实际上所具有的精确性更高，所以他们对事件发生概率的估计总是走向极端（过高地估计那些他们认为应该发生的事件发生的可能，过低地估计那些他们认为不应该发生的事件发生的可能）。普通投资者的估计置信区间具有狭窄性，即使投资专家也只是在某些方面且在一定的背景下具有较好的度量能力（well-calibrated）（Camerer，1995），而当事件的可预见性比较差且证据不明确时，专家投资者比起普通投资者来讲可能更倾向于过度自信（Griffin&Tversky，1992）。过度自信会影响投资者对问题的判断，尤其是当决策或信息的反馈被滞后或阻断时，投资者的过度自信会更加严重。
过度自信意味着投资者对自己付出努力必然得到回报的能力持有一种“过度乐观”（overoptimism）情绪，这种过度乐观可以在许多不同的场合被证实（Miller&Ross，1975）。Langer&Roth（1975）研究发现：男性投资者比女性投资者更倾向于过度自信，其差别程度决定于投资者对投资决策背景的认知程度。
假设投资者投资失败的概率比他们所想象的失败概率高，那么投资者可以通过持续的理性学习过程来逐步消除这种过度自信。但实际情况是：为了使自我欺骗延续下去，投资者天生就有一种心理机制会导致这种理性学习过程出现偏差，这种机制与“自我强化的自我归因偏差”（self-enhancing biased self-attribution）相一致，即投资者趋于将好结果归功于自己的能力而把坏结果归咎于外部环境的恶劣（Miller&Ross，1975）。从中可以看出：如果把过度自信视做一种静态偏差的话，则自我归因是一种动态偏差，因为自我归因可能导致个体投资者逐步学习成为过度自信而不是向更准确的自我评价（self-assessment）收敛。
自我欺骗理论与“认知失谐” （cognitive dissonance）（Harmon-Jones&Mills，1999）理论具有密切关系。认知失谐是指当投资者发现有证据表明其信念和假设是错误时，投资者所体验的一种心理和智力上的冲突。根据认知失谐理论，投资者存在采取行动减轻未被充分理性思索的认知失谐的倾向：投资者会刻意回避或故意扭曲论据来保持自己的信念和假设正确。在相关实验中，面对两种选择的被实验者往往对他们不选择的那种选择进行刻意贬低。而在另一个实验中，当被实验者必须花费一定的努力才能获准加入某一组织时，这个努力行动的过程本身就会激励他增加对这个组织的喜欢程度。在其他的实验中，当被实验者为适度的激励所诱导或被要求对某些观点表达意见时，他会增加对这些观点的认同（sympathetic）。这种过度依恋于那些消耗资源的行动的倾向，即沉溺成本效应（the sunk cost effect）已经在许多分析背景下被证实（Arkes&Blumer，1985）。自我欺骗理论意味着，投资者具有对现有态度进行调整以匹配于过去行动的倾向，这种倾向是个体投资者将自己肯定为一个技术高超的决策制定者的一种自我劝告式的心理机制设计（Steele&Liu，1983）。
自我欺骗理论可以用来解释其他许多认知偏差。如可以用自我欺骗理论来解释“事后聪明式偏差”（the hindsight bias）（Hawkins&Hastie，1990），即投资者通过想象自己“对此事一直很了解”来增加自己的自我尊严（self- esteem）。自我欺骗理论可以解释“现象合理化”（the phenomenon of rationalization）偏差，即投资者通过从过去自己的各种抉择中建构一个合理的事后性原理（the ex post rationale）来增加对自己决策能力的满意度。自我欺骗理论可以解释“证实性偏差”（the confirmatory bias），即投资者倾向于按照与其先验信念相一致的方式对那些不明确迹象进行说明，而对于所出现的不相一致的事实则会进行详细检查并将它们归因于运气太差或错误的数据收集（Gilovich，1991）。这种偏差对于保持自尊非常重要，与自我欺骗相一致。大量的持续性证据会促使理性贝叶斯主义投资者对其差别性信念产生收敛，而对于那些更一般的投资者来讲，各种证据只会引起他们已有各种信念的更加离散化、甚至极化（polarized）（Isenberg，1986）。Forsythe等人（1992）在对金融市场的模拟实验中发现，相对于那些没有投资损失的投资者来讲，发生投资损失的投资者更易蒙受证实性偏差。证实性偏差导致许多投资者坚持其错误的交易战略，引发资产错误定价的延续及加重。当然，证实假设的某些一般性偏差并不依赖于自我欺骗。在估计两变量间关系的假设实验中，如研究考试前一晚的复习与考试成绩之间的关系的文献中，发现被实验者对于那些证实性证据赋予了过高权重，即人们集中于考察那些既复习了功课又取得了好成绩的事例，而忽视了其他信息，如复习了功课却没取得好成绩事例或没复习功课却取得好成绩的事例。 Klayman&Ha（1987）认为，这种偏差是投资者在不同背景下进行思维的一种捷径。自我欺骗还可以解释投资者处理证实性信息时发生的探询性偏差（the seeking bias），在著名的华生任务实验中（Wason，1966），被实验者应利用翻牌方式来来对某假设进行估计，结果表明：这些被实验者倾向于翻开那些潜在地能够对假设形成证实的牌，而对于可能与假设相悖的牌却很少翻到。对此结论的一种可能解释是：证实性信息更便于投资者进行处理。
（三）情绪和自我控制
投资者面对金融决策会由于各种情绪性和自我控制因素导致出现认知偏差，典型的情绪和自我控制因素包括：厌恶不明确性（distaste for ambiguity）、心情和感情（mood，feeling and decisions）、时间偏好和自我控制（time preference and self-control）等。
（1）厌恶不明确性
“易斯伯格悖论”（the Ellsberg paradoxes）（Ellsberg，1961）告诫我们：投资者天生“厌恶不明确性”（averse to ambiguity），从而引起非理性的投资选择。这就反映了一种一般性倾向，即类似于恐惧这种情绪将会对投资者的风险选择构成影响（Peters&Solvic，1996）。Camerer（1995）认为，当新的金融市场被引入时，对不明确的厌恶可能非对称地增加风险溢价，原因在于经济环境和收益回报具有双重性的内在不明确性。对厌恶不明确性的一种可行解释是，在决策问题缺乏明显的参照参数时常常伴随着较高风险及潜在的敌意性操纵。根据相似性情绪，Heath&Tversky（1991）研究发现，只有在博弈概率为常数的情况下，投资者才会偏好那些能给他带来成就感的赌博活动。
（2）心情，感情和决策
本文前一部分所述的风险厌恶，遗憾厌恶和损失厌恶，都反映了投资者对不愉快的未来感情的刻意回避。Mann（1992）认为，无论如何，今天的心情和情绪都会影响到投资者对风险的认知和选择。例如根据 Arkes，Herren&Isen（1988）的分析结果，在俄亥俄州州立大学足球队获胜之后的几天之内，美国俄亥俄州的彩票销售会有明显的增加。Wright&Bower（1992）研究认为：大多数情况下，具有好心情的投资者相比较具有坏心情的投资者来讲，对自己的选择和判断会过分乐观。而Petty，Gleicher&Baker（1991）的研究认为，投资者的坏心情常常与信息评估过程中的过多细节或关键性战略相关联。许多市场研究学者，则分析了消费者情绪和心情对消费者的市场购买计划及广告作用效果的影响效应。Schwarz&Skurnik（2001）认为，甚至肢体感觉和认知经验，如认识或回忆的频率或容易度（bodily sensations and cognitive experience）都会对投资者的决策过程产生效应。
投资者现有的心理状态（感觉和心情）包含着他们对周围环境的反馈性信息，但投资者经常将其感觉或心情归因于错误来源的倾向会导致“判断谬误”（incorrect judgments）或“错误性归因偏差”（the misattribution biases）（Ross，1977）。例如，投资者在阳关灿烂的日子要比在淫雨霏霏的日子里更显得高兴，但如果向他们询问天气是否对他们的高兴度具有影响时，他们可能会不以为然或比较生气（Schwarz&Clore，1983）。心理实验研究发现，心理状态对投资者决策的影响程度决定于其所面临信息的复杂程度，相对于具体的信息，投资者在对抽象性信息处理时更容易受各种情绪的干扰。这就说明，如果纽约的坏天气导致纽约股市股票交易者的情绪下降的话，他们的悲观情绪很可能对股市的长期增长前景构成实质性影响而不论美联储是否会在下周内降息。
（3）时间偏好和自我控制
在时间序列性决策（decisions over time） 的传统表述中，一个附加的可分性效用函数（an additively separable utility function）具有外生的、递减性权重指数。然而，心理学的研究证明贴现率是随着环境变化而变化的，差别性消费涉及到自我控制，所以与情绪和心情有关。有证据表明：贴现率经常性地偏高，对收益的贴现要高于对损失的贴现，对小数量的贴现要高于对大数量的贴现，决策性取景的滞后性或预先性对决策具有相当的影响，在不同的决策域中时间偏好具有很大的差异，类似于疼痛或饥饿等发自内心的生理变化也会影响到投资者的时际性选择（the intertemporal choices）（Loewenstein&Prelec，1992；Chapman，1998）。
通常对指数的设定是时间连续的，然而，实验研究却表明投资者和动物一样在时间上是非连续性的。特别是，投资者总是趋向于随着时间的逼近而连续性地对从时间 到 期的延期性消费赋予更高的贴现率，即贴现具有双曲线形式（Ainslie，1975； Kirby&Herrnstein，1995），这种贴现的变化特征会在新信息到来时引起选择出现逆转。当然，学者们对这种呈双曲线形态变化的贴现率还有一定的争议，但现在国外已经开始应用非时间连续性贴现率分析方法来研究如储蓄问题、流动性假设及“股票溢价之迷”（the equity premium puzzle）等某些经济问题。
（四）社会的交互作用
金融研究者从个体心理学中和社会心理学都借鉴到了许多东西。金融理论过多地研究信息是如何通过价格、金额或公司交易活动进行传导的，对于人际之间和各种媒介间思想或行为的相互传染性（contagion）却较少予以关注。然而，正如在Asch（1956）在其著名的长度估计实验（the length-estimation experiments）中所证实的那样，个人倾向于与别人的判断或行为保持一致，而这种趋同性会引起相当的投资者认知偏差，即存在一种“趋同性效应” （the conformity effect）。根据Bond&Smith（1996）对133个相关研究进行的总体分析，可以证实这种效应的存在，而且这种效应视历史与文化的差异而不同。Ellison&Fudenberg（1995）认为，这种趋同性效应，是投资者通过观察别人进而学习的理性要求，同时更多地是出于一种非理性的内在心理倾向。
社会交互作用的一种重要形式是人际交谈。正如Shiller（2000）所强调的那样，人际间的交谈（conversation）对于金融市场上大众信息的传染起到关键作用。根据Shiller&Pound（1989）对个体投资者的调研，几乎所有近期购买某只股票的投资者都是在直接性人际交流（interpersonal communication）之后才把注意力集中于这只股票上的。人际间交流造成的这种影响可能缘于个体投资者对于自己区分有效信息与噪音或宣传的能力过于自负。当然在技术经济时代，这种投资者之间信息交流的形式和影响也有了很大变化，比如投资者在互联网上的聊天会引发大的股价波动。 Shiller（1999）认为，由于注意力的局限性，投资者趋于对那些被交谈、问候或语音强调或重复的思想或语言给予更多的注意力。结果，文化成为投资者认知偏差进而成为投资者行为的决定因素之一，对某些观点的表达可能是得到“自我强化”（self-reinforcing）。 Kuran&Sunstein（1999）将这种信念处理过程称为“利用性层叠”（availability cascades），即如果一种表达在公众的交谈中被频繁引用的话，对这种表达的认同感就趋强。
交谈对信息的合并（pool）作用非常小，处于同一团体的成员或具有相同兴趣和品位的投资者集体趋于更多地交流已经被大家分享的信息而不是个体所独有的信息（Stasser，Taylor&Hanna；1989）。结果，投资团体或集体投资者常常无法察觉到那些只能基于个体投资者特有的信息才能辨别出的资产价格波动规律（Stasser&Titus，1985）。由于拥挤或其他景况所引发的环境压力还会导致团体成员出现“认知超载”或“思维刚性”（cognitive overload or rigid thinking）现象（Argote，Turner&Fichman，1988），即由于投资者的认知负担过重，从而导致投资者处理信息的敏感度或弹性下降。在交流信息时，投资者倾向于对信息进行偏激化或平衡化（sharpen and level）处理，即强调那些他们分析认为是主要的信息，而忽视那些与他们观点相悖的细节性信息。这种信息处理可以在“认知约束条件”（the cognitive constraints）下有效地澄清信息，但它容易引起相关的听众走向极端。与之相近的一种观点认为，信息交流会引起对信息的过于简化从而扭曲听者的信念。Gilovich（1991）认为，还存在由于信息提供者（发言人）愚弄或操纵信息接受者（听者）的可能，这种可能也会引起系统性的信息歪曲。这也说明，在证券市场上有必要分析和辨别信息的普通交流或谣言惑众。
基于社会的交互作用影响会引起“基本归因性偏差”（the fundamental attribution error）（Ross，1977），即个体投资者常常轻视外部环境的重要性，而对涉及到其他投资者行为的一些内部安排却总是过度关注。在金融市场中，这种偏差会导致投资者的盲目行为和从众行为，这也意味着投资者对市场披露的信息常常反应不足。
基于社会的交互作用影响会引起“虚假的同感效应”（the false consensus effect）（Ross，Green&House，1977），即投资者总是错误地认为别人与自己正在分享更多的信息，并依此进行投资博弈。按照Welch（2000）的发现，在研究股票溢价的金融经济学家之间也存在这种虚假的同感效应。事实上，自我欺骗也会鼓励这种虚假的同感效应，即个体投资者不愿意由于与别人产生不同而被发现自己犯有明显或低级错误。当然，虚假的同感部分来源于“物以类聚，人以群分”这种社会化归属，社会的交互作用决定了具有相同认知水平的投资者更容易产生认同感。“知识诅咒”（the curse of knowledge）（Camerer，Loewenstein&Weber，1989）原理表明：个体投资者趋于认为那些缺乏信息的人与自己将会产生更多相同的信念，即更强的虚假性同感。基于社会交互作用的影响可以解释“群羊行为”（herd effects）（Thaler，1981）。而金融危机理论中的危机“传染效应”（contagious effects）也属于一种社会交互作用。

相关日志

• 无相关日志

计量经济模型和方法、时间序列分析、ARCH-GARCH模型、Markowitz投资组合理论、随机过程理论、人工神经网络等数学理论及其在金融领域的应用。

具体包括：单方程计量经济学模型理论，联立方程计量经济学模型理论，生产函数模型理论，计量经济学模型在金融领域的应用，时间序列分析理论,平稳随机过程，AR,ARMA模型,时间序列分析在金融领域的应用,ARCH-GARCH模型,ARCH-GARCH模型在金融领域的应用, Markowitz投资组合理论模型及公式推导,均值方差模型，前沿面分析,Markowitz投资组合理论在金融领域的应用,随机过程理论,随机过程理论在金融领域的应用,期权定价模型，布莱克-斯科尔斯期权定价公式,股票市场预测的随机过程模型,前馈式人工神经网络模型,BP模型，BP算法,反馈式人工神经网络模型,自组织网，Hopfied网,人工神经网络模型在金融领域的应用.

本课程的教学目的是使学生掌握金融数学的基本模型和方法,提高学生利用定量化分析技术处理金融问题的能力，为进一步学习、研究现代金融理论打好基础。教学过程采取课堂讲解、案例教学、课堂讨论相结合的形式。本课程要求学生了解和掌握这些数学工具，能够将学到的金融数学方法与分析技术运用到实际的研究工作中。

原来我学的都是本科内容,想想本科能把这些啃下来的,也是N人了,至少我现在还不行

相关日志

• 无相关日志

相关日志

• 无相关日志

1.为什么要用matlab对数据库处理，不能直接用vba进行莫，感觉上好像是要快一些，不过没有用vba试过。用matlab就要用编译器，最近一段时间都没有编译成功的，还是换成vba直接做吧，是在不行用vc也好啊 。

编译一直到下午3点还没有成功，晚上说了一大堆的，可是好像都没有什么用，环境变量，编译器啥的，倒腾了很久都搞不定，最后还是不得不用vba直接实现了。

2尝试用vba传数吧，忙乎了一个上午，最后还是回到原来的办法。
不过没有什么进展，都不找自己在想什么。

vba是个好东西，最开始的时候通过matlab倒数，10000个数用来17秒，vba只用了5秒，而且不用编译了，恩，不错，信号搞定了，要不饭都不想吃了，话说今天很冷的说

3数据库的东西还是要看看的，很多东西都是常识性的东西，可是没有看过没有试过就不知道。

4  ado接口，这东西还是专门琢磨下的好，很多时候能用得上的。

继续的干活。

相关日志

• 无相关日志

准备工作

========

Dim conn As New ADODB.Connection ‘创建一个 Connection 实例，在这里使用New等于将Dim和Set合并为一段代码执行

Dim rs As ADODB.Recordset ‘创建一个 Recordset 实例，不使用New 是因为，经常需要重复使用Set，因此没必要在这里使用

Dim CnStr As String, Sql As String ‘创建两个字符串变量分别存放两个集合的SQL语句代码段

1、装载数据库(不属于Recordset集合)

=============

Dim FileNamw$, DbIp$, DbName$, DbUser$, DbPw$

‘以上5个字符串变量分别表示文件路径和文件名、数据库地址、数据库名、数据操作员用户名、操作员密码

FileName = App.Path & "\’数据库名’"

DbIp = "数据库地址"

DbName = "数据库名"

DbUser = "数据操作员用户名"

DbPw = "操作员密码"

‘以上变量根据数据库类型的不同而不同，有可能只需要1至两个变量

‘1)连接Access数据库:

‘——————-

CnStr = "PROVIDER=microsoft.jet.oledb.3.51;persist security info =false;data source=" & FileName & ";Jet OLEDB:Database Password=" & DbPw

‘2)连接Oracle数据库:

‘——————-

CnStr = "PROVIDER=MSDAORA.1;Password=" & DbPw & ";User ID=" & DbUser & ";Data Source=" & FileName & ";Persist Security Info=True"

‘其中:

‘PASSword: 密码

‘User ID: 用户号

‘Data Source: 数据库名

‘Persist Security Info:

‘Provider:

‘3)连接VF的DBF库:

‘—————-

CnStr = "PROVIDER=MSDASQL.1;Persist Security Info=False;Driver={Microsoft Visual FoXPro Driver};UID=" & DbUser & ";SourceDB=" & FileName &

";SourceType=DBF;Exclusive=No;BackgroundFetch=Yes;Collate=Machine;"

‘4)连接SQL的数据库

‘——————

CnStr = "PROVIDER=MSDataShape;Data PROVIDER=MSDASQL;uid=" & DbUser & ";pwd=" & DbPw & ";DRIVER=SQL Server;DATABASE=" & DbName & ";WSID=GQSOFT;SERVER=" &

DbIP

‘也可以使用这段简易代码 CnStr = "Provider=SQLOLEDB;Data Source=" & DbIp & ";DATABASE=" & DbName & ";UID=" & DbUser & ";pwd=" & DbPw

Conn.Open cnstr ‘使用 Connection 集合的 Open 方法 与数据库建立连接

2、Recordset集合的常用方法

==========================

‘1)打开一个表

‘————

Sql = "select * from 表名" ‘SQL查询语句

Set rs = New ADODB.Recordset ‘新建一个实例

rs.Open SQL, conn ‘使用 Open 方法打开数据库中的一个表

‘注意，这种打开方式只能使用 rs.MoveNext （即，向后移动行坐标）而不能像其他方向，并且不能修改数据内容

‘

‘rs.Open SQL, conn，1 ‘虽然只加了个“1”，但这种方法可以向任何方向移动行坐标。

‘

‘以下参数代表了这个可选值的含义

‘0 = adOpenForwardOnly （默认值）打开仅向前类型游标。

‘1 = adOpenKeyset 打开键集类型游标。

‘2 = adOpenDynamic 打开动态类型游标。

‘3 = adOpenStatic 打开静态类型游标。

‘

‘虽然使用以上方法可以可以实现行坐标（游标）的任意移动，但是仍然无法写入数据。因此需要进一步的对Open 方法进行完善

‘rs.Open SQL, conn, 1, 3 ‘后面的3是确定读写权限的

‘以下参数代表了这个可选值的含义

‘1 = adLockReadOnly （默认值）只读 — 不能改变数据。

‘2 = adLockPessimistic 保守式锁定（逐个） — 在编辑时立即锁定数据源的记录。

‘3 = adLockOptimistic 开放式锁定（逐个） — 只在调用 Update 方法时才锁定记录

‘4 = adLockBatchOptimistic 开放式批更新 — 用于批更新模式（与立即更新模式相对）。

‘

‘2)读写数据

‘———-

‘增加一行记录并对新记录的内容进行修改并保存可以如下写法

rs.AddNew ‘增加一行记录

rs("…")="…" ‘数据读写操作

…

rs.UpDate ‘保存写入资料，如果使用只读权限，则不能使用这个方法

rs.Close ‘这个方法用来关闭你所代开的表，如果不使用这个方法也可以，但是数据库仍然认为你在对标进行锁定，可造成数据库负担过重

2、对数据进行筛选和排序

=======================

Sql = "select * from 表名" ‘SQL查询语句

‘以上为打开一个表的所有内容

Sql = "select top 50 * from 表名" ‘SQL查询语句

‘以上为只打开前50行的记录

Sql = "select top 50 列名1,列名2,列名5 from 表名" ‘SQL查询语句

‘以上为只打开前50行的记录，并且只打开第1、2、5列数据

Sql = "select * from 表名 where 列名1=’" & 字段 & "’" ‘SQL查询语句

‘以上为一个简单的筛选，表示打开的内容必须符合[列名1='" & 字段 & "'"]的内容

‘需要注意的是，数据库列的类型必须匹配，比如字符串类型需要以单引号括起

‘而数字类型则不能用单引号括起

‘另外SQL语句还支持通配符，例如 列名1 like ‘%" & 字段 & "%’" 表示包含[字段]

‘在表达式中的匹配

‘? _（下划线） 任何单一字符

‘* or % 零个或多个字符

‘# 任何单一数字（0 — 9）

‘[charlist] 任何在字符表中的单一字符

‘[!charlist] 任何不在字符表中的单一字符

‘注：根据数据库的不同?、_和*、%的应用有所差别，比如SQL只使用% 和 _ 分别代表多个字符和单一字符

SQL = "select * from 表名 where 列名1=’" & 字段 & "’ ORDER BY 字段1 ASC" ‘对查询结果进行升序排列

SQL = "select * from 表名 where 列名1=’" & 字段 & "’ ORDER BY 字段1 DESC" ‘对查询结果进行降序排列

SQL = "select * from 表名 where 列名1=’" & 字段 & "’ ORDER BY 字段1 DESC, ORDER BY 字段2 DESC" ‘对查询结果进行多维降序排列（速度奇慢，不推荐使用）

3、Recordset集合的常用属性方法

==============================

rs.BOF ‘是否游标在最上边

rs.EOF ‘是否游标在最下边

rs.RecordCount ‘记录集的行数（如果使用像前类型的游标，可能返回不准确）

rs.AddNew ‘新建一行记录

rs.Update ‘保存当前行被修改的记录

rs.Delete ‘删除当前行

rs.Close ‘关闭记录集

4、Fields集合的一些属性的解释

=============================

‘以下为简写，正常情况需要rs.Fileds.。。。但是Fields属于Recordset的一个默认集合，因此可以省略

rs() ‘括号内可以是列名也可以是列的序号例如：rs("姓名")、rs(3) 都是是可以的

rs(3).Name ‘返回列名

rs(3).Type ‘返回列的类型

rs(3).Value ‘返回当前行的值

rs.Fields.Count ‘返回列数

相关日志

• 无相关日志

金融行业中VBA有着几乎最广泛的运用，但是很多人苦于VBA很难找到如同matlab强大的数学运算工具库，而在某些问题的处理上会大费周章。我最近就遇到类似的问题。用matlab写了一个庞大的程序后，交到别人手里的时候需要转成VBA。而如果用手写的转换matlab的话，此项工程不下于用VB编写matlab……于是开始了matlab往VBA的调用转换过程。经过差不多有4个小时的时间，终于完成了摸索，调试，学习，完美实现的过程。因为网上能查找到的资料写得都异常混乱，我觉得很多人写的基本没有啥强的逻辑关系，估计那些人语文统统没学好。。。我把我自己做的过程简化如下，有兴趣的朋友们可以参照

首先打开matlab（我的版本matlab 2006b， version7.3），在命令窗口输入指令：

mbuild -setup

出现选择：

Please choose your compiler for building standalone MATLAB applications:
Would you like mbuild to locate installed compilers [y]/n?

接着选择No

然后出现选择项：

Select a compiler:
[1] Borland C++Builder version 6.0
[2] Borland C++Builder version 5.0
[3] Borland C/C++ (free command line tools) version 5.5
[4] Lcc C version 2.4.1
[5] Microsoft Visual C/C++ version 8.0
[6] Microsoft Visual C/C++ version 7.1
[7] Microsoft Visual C/C++ version 6.0
[0] None

我们是要转换为excel可以调用的compiler，所以5，6，7都可。我自己的电脑装有VC++6.0，所以我选择的7

接下来就是让你输入你安装的vc++6.0的路径并确认。

做好这一步之后，就可以在命令窗口输入指令：deploytool

然后matlab右边会弹出一个操作窗口，然后新建一个项目和路径，记得选择成builder for excel。

然后在项目里面添加你要转换的所有你自己编写的matlab函数。（必须是matlab的函数，所以必须以function开头）

然后点击"build the project"的小图标，等着转换完成。

这一步做完后，就可以关闭matlab了。把你之前设立新项目的文件夹下多出的“distrie”和“src"两个文件夹拷贝到你要使用这些自定义函数的excel文件所在地方。然后打开excel，再打开excel的vba编辑器（Alt+F11)，在编辑器里面点”文件—导入文件“导入刚才拷贝过来的”src“文件夹下后缀名.bas的文件。现在，就可以在excel里面轻松使用你自定义的函数了。调用的函数名称和你写的matlab函数名一样，所以非常简便。

如果函数返回值是一个矩阵，比如A=Personal()，返回的A会是3*3矩阵，那么就拖蓝一片3*3区域，输入"=Personal()”，然后点击"ctrl+shift+Enter"，这样出来的结果，就是你matlab自定义函数"Personal()"应该返回的矩阵了。

用matlab调用VC++自带的转换器的好处是，在转换时，只需要添加进去你自己写的自定义函数，而自定义函数里面所使用的大量的matlab特有的计算函数是不用再特别找出来添加进去的。这是compiler会帮你干的事情

ps：本来上面写的一些我很快自己就摸索出来了，但是使用的时候忽略了一个小错误，而这个错误是换一台电脑就绝对不会出的错误，结果这种错误找起来，足足找了我2，3个小时。因为调用matlab函数后很不好调试，所以查错是一项超级艰难的过程，特别是matlab运行正常，vba里面运行却出问题的时候。结果原因是matlab里面xlsread这个函数读取excel数据的默认目录和vba调用matlab程序时读取那个excel文件的默认目录完全不一样造成的（matlab是读取当前程序所在的目录下的文件，而VBA是读取“我的文档”下的文件……）。而巧的是在vba的默认目录里面恰好存在了一个同名的excel文件。本来如果这个文件不存在，我在vba里面一运行，报错就会告诉我在某某路径找不到excel文件，我很快就能fix这个问题，而巧合的那个文件恰好造成vba不会报找不到文件，而只告诉我有逻辑错误，也不说是什么逻辑错误。。。。当我最终发现这个错误的时候，差点把血都吐光了

嗯，最后是无奈的吐槽，总之这次又把vba学了不少东西，收获不小，希翼此小文对偶然看到这篇文章的人小有帮助

4:27 PM | Blog it

相关日志

• 无相关日志

我知道的有fetch和xlsread，查了下，还有用DAO的，不过没有用过，而且excel好像没有DAO接口吧。

简单的是建立一个数据库连接，然后用fetch，好处是容易管理吧。你知道数据源，知道取了什么东西

一、通过MATLAB 提供的数据库引擎， 以下是MATLAB ，DATABASE TOOLBOX中的例子，
通过ODBC/JDBC 接口访问具体的数据库
function dbimportdemo()
timeoutA=logintimeout(5)
%打开数据源 SampleDB
connA=database(‘SampleDB’,”,”)
% Check the database status.
ping(connA)
% Open cursor and execute SQL statement.
%执行SQL查询语句
cursorA=exec(connA,’select country from customers’);
% Fetch the first 10 rows of data.
%获取前十行数据
cursorA=fetch(cursorA,10)
%显示
AA=cursorA.Data
%关闭
close(cursorA)
close(connA)

这个不知道，没有用过。
二、通过DAO访问数据库（DAO技术适合于访问ACCESS 2000以下版本的数据库，优点是功能齐全，具体可以参考MSDN关于DAO的帮助），以下是我自己摸索出来的，在MATLAB帮助文件中有关于如何调用EXCEL组件的​方法。
Handle=actxserver(‘DAO.DBEngine.36′);
MyWSS=get(Handle,’Workspaces’)
Count=get(MyWSS,’Count’)
MyWS=get(MyWSS,’Item’,0)
%打开数据库
MyDB=invoke(MyWS,’OpenDatabase’,'D:\My Documents\test.mdb’)
%打开数据库的表，得到一个指向记录集的指针
MyRS=invoke(MyDB,’OpenRecordset’,'用户’)
%获取“用户”表的前十行数据
MyRows=invoke(MyRS,’GetRows’,'10′)
%关闭
invoke(MyRS,’Close’)
invoke(MyDB,’Close’)
invoke(MyWS,’Close’)

这个方法就是xlsread了，只是加入了一个路径的语句罢了
三、ADO技术（微软建议ACCESS 2000及以上版本的数据库应尽量通过ADO访问，优点是可以通过较少的对象访问数据库，ADO与今后微软的数据库技术发展方向一致，目前支持的功能稍微少了一些）具体访​问的可以参考MSDN的帮助文件和ADO 类型库的方法原型。
%调取访问数据名称和路径
[filename, pathname]= uigetfile(‘*.xls’);
%赋给变量file
file=[pathname filename];
%读取数据
x=xlsread(file);

其实还是不知道fetch和xlsread那一个好些。google下

也没什么答案，还是自己试着吧

相关日志

• 无相关日志

1.14进1.6出，not so bad,only for 3 days

相关日志

• 无相关日志

做人挺失败的

相关日志

• 无相关日志

相关日志

• 无相关日志

职业生涯第一周，账面盈利$1000，盈利最高的时候到了$5200但是市场又一分不差的把我不应得部分拿走了。他总是对的。

经验之一:止损，止损，止损。止赢,止赢，止赢。
看，多简单的四个字，我也无数次提醒过自己，并且也吃过大亏，但是当一切发生的时候，却不能第一时间做出正确的决定。炒股的事情，总是知易行难的。
风险控制是炒股的第一要素，利润是不可测的，而风险是可控的，要用可控的风险去搏不可控的利润。
如果一入场股价就回落，立刻出场，不是选的股有问题，就是进场点选得有问题。
在赢利的时候只要股价让你觉得不安，立刻出场。

经验之二：赢的基础在于选对对手。
选对股是最重要的，如果股选得不对，操作的再好也是白费力气。
要选有势的股，符合运动规律的股。要在大量信息中筛选出最有潜力的那一个机会。
开局找暴升股做dt，10点以后找趋势股做破阻力跟进。
有效的管理股票库，剔除无效信息，提高发现有效信息的几率。

三种思路

思路之一，超大动量暴升型（只适合dt）。
量价特点:成交量放天量，往往在20倍以上，股价沿80度角直线攀升，不停的有交易成交，没有停顿。
注意的要点：
1 区分好动量启动和动量反弹，两者在盘面上表现极为相似。
动量启动可以大胆介入，动量启动之后的，大幅回落，再反弹，只适合做破阻力线的操作.seed,peix，cycc经常会有动量反弹。
2 由于有好消息，跳空开高，动量启动的，要非常小心。
因为跳空开高，中间的一段价位没有经过股民的确认，是非常不稳定的，说不定就是陷阱，比如etrm.如果不是从底部就最好不考虑跟进，等回调破了阻力线在考虑跟进。
如果是前一天放的消息，第一天已经释放过动量了，而第2天以更大的动量启动，可以跟进。

思路二：温和动量爬坡型
量价特点
成交量放大，股价攀升，沿30-45度角向上，上升放量，下跌缩量，一浪高过一浪，沿支撑线爬升。
这种股的几个特点
1 股价在均线之上运动
2 入场点往往是macd刚过交叉点的位置，且为强势。
3 要有成交量作为配合，上升放量，下跌缩量，破阻力位成交量应该有放大。
4 在第一手入场的时候，破阻力位入场，回调没有破支撑加仓。
注意的要点:
注意观察量价关系，这种股运动平缓，所以不用怕追不上，分批建仓，分批出舱。

思路三
寻找明显头肩形态的股票，做空
量价特点
或者找一个正在处于跌势的股票，沿支撑线不断下行。或者就找刚刚到达顶部经过整理破了支撑下行的。可以分批建仓，分批出舱。
操作要点
1 入场可以从肩的顶部往下空，如果入场就亏损，立刻出场，说明方向做反了，那不是肩，那是底，整理还没有结束。
2 入场还可以从破了肩底的阻力的位置往下空，同样，入场就亏损，立刻出场，说明那是底部支撑。
3 股价下行到一个位置，开始横住，可以考虑出一半了，那至少是暂时的支撑线，不要抱侥幸心理，出了以后股价反弹没有弹过高点还可以再进。我在上周五操作mmr就是到了支撑没出，最后平局出了。

根据三种不同的思路，建立不同的股票库，剔除无效信息，增加抓住有效信息的概率，是小弟下周的重点。
希望我们大家在讨论中不断进步。

相关日志

• 无相关日志

今天看了几个Penny Stock的video，发现自己还是对这个比较感兴趣的。毕竟对于我来说，股票还是一个投机工具，没有那么多钱做投资。而penny stock的潜在回报还是相对大的股票要多得多，唯一的问题是penny stock的风险也大得多，用video的话说是，penny stock是那种可能会让你输的连裤叉都没有（其实他说的是衬衫，不过大致就是这个意思了）。

youtube上有几个关于penny stock的视频，都是广告，都是什么这周把钱塞进去，下周就2倍的拿出来，我不怀疑他的真实性，只是这个机会还是很少的，常识上来说，10次中有那么1次也有可能，这里又回到风险上来，如果一个system不能做到持续盈利的话，基本上是要破产了事的。比特林奇说要保证至少操作上40%的准确性，因为理论上你80%的利润来自于你20%的机会，不否认这个，不过坛子上的讨论是至少要50%的准确性，因为你没有那么多可以lose，一旦回到低点，你连翻身都不可能。

所以风险控制成为首要，选股也成了最重要的，然后才是入场时间和出场时间。

按照之前看到一个视频上介绍的penny stock的选股办法，发现这个基本上是没戏的。并不是说他的办法不好，只是这个可能对于这样的股票来说，并不一定是最好的。先来看下他的步骤：

step1：penny stock，自然股价是第一要素。

这里有两个不同的，作为公开市场发行的股票，他给的标准是$5，对于OTC市场上的是$2，不选太高是保证上升空间。

step2：流动性

penny stock的一个很大问题就是流动性不足，一个整天交易只有100手的股票显然不是你想要的，你进还得出吧，没有人买，涨得再多也没用。事实上上一个交易日，3大市场上日成交量低于1000股的股票超过100个。我们把这个成交量作为一个市场对这个股票的认同指标，按照他说的至少100000，也就是1000手。

step3：

positive EPS

这个是他要求的，不过其实我不怎么认同，毕竟一个正的eps的公司股价一般都不会太低的，当然这只是我的想法而已，不过事实上是如果一个股票是penny价格，而且eps还是正的话，这个公司近期肯定出现了重大变故，而且这个变化很可能是致命的。

事实上按照他的办法，到这一步就已经结束了（虽然还有几个其他的步骤）。我试着查了下，如果这样的条件的话，前一个交易日只有3个股票满足，2个在OTC，公开的只有一个G，不过考虑到G那么大的市值，把它叫做penny stock，也是不恰当的。

回到他的选股条件 step4

上升趋势。

因为你买的是他的涨，不在上升趋势中的股票自然不要，怎么样判断上升趋势，均线吧，或者看看其他的数据，这里应该是那些所谓技术分析的用武之地了，（我一直想的是，我学的那些quant的垃圾能不能用在这里，那些模型一个比一个复杂，解释起来却是一个比一个无力，或许是因为能赚钱的model根本就不会拿出来）

step5

别指望一夜翻倍。

因为这中股票的涨是需要一个break point的，叫做不是不到，时候未到，不过我觉得就是一个时间窗，他的建议是2个礼拜。

step6

check the news.

这是一个江湖，没有传闻不江湖，一个每天涨1%的股票也许要过上10天人们才发现，而一个一下子涨50%的股票，一定在半个小时成为大叫讨论的热点。但越来越多人看上这个的时候，改是退场的时候了。

上面说的，其实也就是纸面的道理，而且很多情况下根本就不适用，不过作为一个稳妥投资的选股，这个应该还好，按照他的说法，能把风险降低50%，不过这个降低多少不也就是他说了算的，反正没有什么统计的数据，而且用eps那条基本上就扼杀了penny stock。

之后看了那个leeds的trade，大多也是吹的无比玄乎，可是实际未必尔尔。

不过可以做一个penny stock的数据库看看。

相关日志

• 无相关日志

问题是即使有完整的数据就能得到结果？怀疑中，用这种方法计算可能对于一些现金流比较稳定的股票可能好些，不过这样的话，有什么用，比如ibm，那么多年他就是那个价，你怎么算他也还是那样，而且用收入增长率计算的办法总归对于那些爆发性的股票有利，比如，就说中国的股票。那个年增长不是50 100的，这样下去，怎么算的下。

预测股票是一个无聊的事情，我觉得合理的办法应该是计算一个股票的内在价值，可是这样的话，如果连续几个季度负值就应该阉割了，但是实际上呢？完全不是这样的。

这周错过了etrm的高点，提醒自己风险第一啊，那天不知道吃了什么药了，唉，白忙乎一周。

yahoo pipes的程序结束了，东西做出来了，可是yahoo有999次的限制，这样的话和没有一样了之前涂方便从yahoo finance取数据，可是那个是delay15 20分钟的，哎，实时的数据，现在用的是从BTAS上得到的，下午跑了下，还好，就是慢了点，这种网页摘取的办法只能做到这样了，慢慢应该好好整理数据开始下一步吧

sql的东西好多不懂，vb还是用着不错，excel和sql的接口就更加不知道怎么办了，想找一个sql外推数据的程序，不知道有什么收获。

这一周。

good     what    shit  大致就是这样吧

相关日志

• valuepro 分析 (2)

bing

twitter

live

blogger

blogspot

flickr

youtube

hk.yahoo.com

还有google。

和谐，和谐，和谐个fuck。

不知道wiki是不是还是禁着的。

想想还是挺生气的。 最近做的大多数东西都在google上了

相关日志

• 无相关日志