研究HHT(Hilbert-Huang Transform)已有一段時間,在繼續前進之前,我希望能先將目前所學到的,建立一個標準化程序,並將之應用在每日的盤勢分析。程序暫定如下:
1. 以收盤價,取600筆以上資料進行分析。
2. 資料的起點和終點要儘量接近,如此或可減少端點效應(end effects)所產生的問題。
3. 進行EEMD分解(以0.1個標準差的白噪音,平均500次)。
4. 進行EEMD後處理。
5. 找出主要的IMF,並求取其瞬時頻率。
6. 由IMF找出最近的轉折點,並參考其對應的瞬時頻率,換算成週期,求出該IMF的下次轉折時間。
7. 以這些主要的IMF算出的轉折時間,合併推算可能的轉折區間。
在先前的比對過程中,的確是充滿驚喜及教人興奮的,當時還真以為發現了天大的祕密。後來仔細思考,圖形是依據已有的數據來進行分解,其結果當然會和數據相吻合。簡單地說,當圖形右半邊的數據被放入一起計算時,左半邊的分析結果必然和右半邊的數據相吻合,這是很簡單的因果關係。為了避免這種愚蠢的行為再次發生,我必需小心選擇要分析的資料。
我選擇了加權指數2009/5/19~2011/12/19日收盤價,共650筆資料來進行分析,如下圖黃線區間。
1. 以收盤價,取600筆以上資料進行分析。
2. 資料的起點和終點要儘量接近,如此或可減少端點效應(end effects)所產生的問題。
3. 進行EEMD分解(以0.1個標準差的白噪音,平均500次)。
4. 進行EEMD後處理。
5. 找出主要的IMF,並求取其瞬時頻率。
6. 由IMF找出最近的轉折點,並參考其對應的瞬時頻率,換算成週期,求出該IMF的下次轉折時間。
7. 以這些主要的IMF算出的轉折時間,合併推算可能的轉折區間。
在先前的比對過程中,的確是充滿驚喜及教人興奮的,當時還真以為發現了天大的祕密。後來仔細思考,圖形是依據已有的數據來進行分解,其結果當然會和數據相吻合。簡單地說,當圖形右半邊的數據被放入一起計算時,左半邊的分析結果必然和右半邊的數據相吻合,這是很簡單的因果關係。為了避免這種愚蠢的行為再次發生,我必需小心選擇要分析的資料。
我選擇了加權指數2009/5/19~2011/12/19日收盤價,共650筆資料來進行分析,如下圖黃線區間。
選擇這段區間有幾點考量:
1. 起點和終點的值很接近,可以避免部份的end effects。
2. 終點2011/12/19的低點是6609,是近二年來的低點,我希望在沒有右邊數據的情況下,能檢驗出這是一個低點時間。
依前面的標準程序進行計算,結果如下:
上圖為IMF(Intrinsic Mode Function),下圖為經過HHT轉換後得出的瞬時頻率,橫軸單位為交易日,例如2009/5/19即為1。以下圖形皆同。
C1和C2不列入考量,因為它們的週期很短,不是決定行情趨勢的主要力量。
C3顯示了下一個低點時間應該在643+10=653。(643+1/0.09924~653)
C4顯示了下一個低點時間應該在632+24=656。
C5顯示了下一個低點時間應該在573+71=644。
C6則顯示了下一個低點時間應該在603+139=742,但這個週期顯然太長了,不是我所關注的。所以我們將焦點放在C3、C4和C5。這三個週期顯示低點轉折時間將落在,自2009/5/19算起第644~656個交易日之間。在這個例子中,實際的低點發生在第650天,也就是2011/12/19。
上面的例子展示了一種”預測轉折時間”的可能,但它仍然不夠精確,這或許可以從二個方向來提高它的精度:
1. 以其他的技術分析工具來輔助。這是必要且有效的方式,因為上述的分析方法僅針對時間週期,並不考慮價格。換言之,這二種方法沒有直接的相關性。
2. 以更小的時間單位來提高精度,例如由60分K線或30分K線。
看來要做的事還很多!
莫忘初心是財經研究所的?
回覆刪除不,我是物理研究所的。
回覆刪除真真仔細
刪除選擇要分析的資料好像跟結果很有關係?
回覆刪除是的,由於端點效應(end effects)的關係,分析的結果都不可避免地會產生誤差。
回覆刪除我發表這篇文章,主要是想說明一種分析時間週期循環的可能性,文章中所使用的方法及程序,不見得是最好的或完全正確的。例如加入0.1個標準差的白噪音,為何不是0.2或0.5?另外,加入白噪音後的後置處理(post process)也是一個問題。
我們能掌握的,只有價格、成交量和時間。但時間週期循環是一種變動的參數,我認為它和價格一樣,是無法預測的,但是我們卻可以試著了解它。
最近要比對的資料很多,有機會再詳細說明這種方法及程序。
這波會漲到大家瘋掉!
回覆刪除