★从测评数据看量学理论(续)★

wen98

　　笔者于2015-10-18 发贴《从测评数据看量学理论》（http://www.178448.com/thread-1003394-1-1.html）后，引起众多读者的关注。上次的测评环境是振荡（平衡）市，王子老师建议，继续测试熊市和牛市的情况。这样，测评数据就比较完整，更加系统化了。
　　为了更加容易理解，本次增加了基因数量等于某个数值的测评，并将上次统计数据归纳到本文，方便大家比对。本次参与测评的基因增加了“接力双阳”，“涨停基因盲选”公式的基因总数达到25个，并排除了一字板的情况。测评参数的设置与上次基本相同，全部测评数据表格如下：

24个基因(振荡市20130701_20140630)涨幅2.66%%
测评数据	5天内		10天内		20天内
基因数不少于	胜率%	年化收益率%	胜率%	年化收益率%	胜率%	年化收益率%
>=1	66.32	27.51	76.25	27.20	76.64	27.21
>=2	59.48	29.57	70.91	27.30	76.67	27.17
>=3	58.14	31.77	63.64	27.79	75.63	27.03
>=4	58.00	29.35	59.08	28.57	72.76	27.04
>=5	56.66	21.68	56.85	27.76	67.13	26.90

24个基因(振荡市20130701_20140630)涨幅2.66%%
测评数据	5天内		10天内		20天内
基因数等于	胜率%	年化收益率%	胜率%	年化收益率%	胜率%	年化收益率%
1	51.60	2.34	55.38	0.33	68.29	0.07
2	52.75	5.02	53.67	1.00	72.73	0.20
3	53.83	9.61	53.33	2.34	56.98	0.21
4	55.11	13.72	54.14	5.23	58.97	0.84
5	54.90	12.19	54.47	8.16	58.11	2.00

25个基因(排除一字板),熊市(20130201-20140131)涨幅-14.77%
测评数据	5天内		10天内		20天内
基因数不少于	胜率%	年化收益率%	胜率%	年化收益率%	胜率%	年化收益率%
>=1	51.90	18.18	57.08	17.64	57.62	17.63
>=2	51.52	20.29	52.72	17.76	57.32	17.57
>=3	53.07	22.08	48.98	18.79	55.81	17.55
>=4	54.08	19.91	50.14	20.38	52.57	17.79
>=5	54.11	16.02	51.39	20.88	50.14	18.14

25个基因(排除一字板),熊市(20130201-20140131)涨幅-14.77%
测评数据	5天内		10天内		20天内
基因数等于	胜率%	年化收益率%	胜率%	年化收益率%	胜率%	年化收益率%
1	47.67	-0.64	47.26	-0.17	50.00	0.05
2	48.41	-0.13	48.18	-0.73	52.61	0.04
3	50.68	4.54	47.94	-1.12	47.77	-0.18
4	52.19	8.19	49.65	0.38	47.68	-0.28
5	53.17	9.46	50.88	2.85	48.91	-0.07
6	53.57	7.17	51.64	5.54	50.67	0.56

25个基因(排除一字板),牛市(20140601-20150531)涨幅126.15%
测评数据	5天内		10天内		20天内
基因数不少于	胜率%	年化收益率%	胜率%	年化收益率%	胜率%	年化收益率%
>=1	90.26	172.79	99.24	172.67	99.70	172.68
>=2	77.68	167.68	95.55	171.12	99.74	171.24
>=3	73.08	143.21	84.86	162.13	98.87	163.71
>=4	71.10	115.53	77.03	152.55	96.45	159.66
>=5	68.86	80.30	72.23	132.84	89.85	153.68

25个基因(排除一字板),牛市(20140601-20150531)涨幅126.15%
测评数据	5天内		10天内		20天内
基因数等于	胜率%	年化收益率%	胜率%	年化收益率%	胜率%	年化收益率%
1	64.82	14.04	68.34	1.32	89.47	0.48
2	66.70	36.52	69.40	6.55	91.19	2.09
3	67.42	50.03	69.41	13.55	75.19	1.54
4	68.32	58.06	68.74	25.35	68.76	3.46
5	67.49	52.56	68.36	35.60	66.05	3.85

涨停基因数量副图效果：（基因数量是M周期内的总数，并非当日数量）


　　从上面的测评数据中，你看出什么规律呢？我的归纳水平比较差，粗略的认为：
　　1.大环境对胜率和收益率的影响，与我们的常规思维是一致的，即：熊市，振荡市和牛市中，胜率和收益率是依次增大的；
　　2.按我们的常规思维，基因数量越多越好。但是从测评数据统计来看，并非越多越好。一段时间内，基因数量达到某一动态平衡点时，才有较高的胜率和收益率；以5天内为例，振荡市和牛市中，基因数为4时，胜率和收益率达到高峰；熊市中，基因数为5时，收益率达到高峰，胜率也较高；再次从侧面证明王子老师关于涨停基因要求达到3以上才好的论断；
　　3.从基因数量与股价走向来看（基因数量副图指标），股价低时，基因数量往往也少；股价高时，基因数量也多；这也说明，基因数量也反映了股市温度计的作用；但是物极必反，基因数量与股价极盛之日，也是股价危险之时；
　　4.不论熊市，振荡市和牛市，运用量学的涨停基因技术，是可以做到跑赢大盘的。特别是在振荡市和牛市中，可以达到很高的胜算率和收益率。机器测评是如此，加上人工智能分析，效果将会更加理想。这里从测评的角度说明，王子老师的量学理论是有效的，实用的，科学的。


（本论坛链接: ★wen98编制的有关量学的公式链接★）

tyfo100

#在这里快速回复 本帖最后由 wen98 于 2015-11-8 10:21 编辑   　　笔者于2015-10-18 发贴《从测评数据看量学理论》（http://www.178448.com/thread-1003394-1-1.html）后，引起众多读者的关注。受王子老师委托，利用周末休息时间，再次对涨停基因进行测评。上次的测评环境是振荡（平衡）市，本次是熊市和牛市。这样，测评数据就比较完整，更加系统化了。 　　为了更加容易理解，本次增加了基因数量等于某个数值的测评，并将上次统计数据归纳到本文，方便大家比对。本次参与测评的基因增加了“接力双阳”，“涨停基因盲选”公式的基因总数达到25个，并排除了一字板的情况。测评参数的设置与上次基本相同，全部测评数据表格如下：  24个基因(振荡市20130701_20140630)涨幅2.66%% 测评数据 5天内 10天内 20天内 基因数不少于 胜率% 年化收益率% 胜率% 年化收益率% 胜率% 年化收益率% >=1 66.32 27.51 76.25 27.20 76.64 27.21 >=2 59.48 29.57 70.91 27.30 76.67 27.17 >=3 58.14 31.77 63.64 27.79 75.63 27.03 >=4 58.00 29.35 59.08 28.57 72.76 27.04 >=5 56.66 21.68 56.85 27.76 67.13 26.90  24个基因(振荡市20130701_20140630)涨幅2.66%%                 测评数据 5天内 10天内 20天内 基因数等于 胜率% 年化收益率% 胜率% 年化收益率% 胜率% 年化收益率% 1 51.60 2.34 55.38 0.33 68.29 0.07 2 52.75 5.02 53.67 1.00 72.73 0.20 3 53.83 9.61 53.33 2.34 56.98 0.21 4 55.11 13.72 54.14 5.23 58.97 0.84 5 54.90 12.19 54.47 8.16 58.11 2.00  25个基因(排除一字板),熊市(20130201-20140131)涨幅-14.77% 测评数据 5天内 10天内 20天内 基因数不少于 胜率% 年化收益率% 胜率% 年化收益率% 胜率% 年化收益率% >=1 51.90 18.18 57.08 17.64 57.62 17.63 >=2 51.52 20.29 52.72 17.76 57.32 17.57 >=3 53.07 22.08 48.98 18.79 55.81 17.55 >=4 54.08 19.91 50.14 20.38 52.57 17.79 >=5 54.11 16.02 51.39 20.88 50.14 18.14  25个基因(排除一字板),熊市(20130201-20140131)涨幅-14.77% 测评数据 5天内 10天内 20天内 基因数等于 胜率% 年化收益率% 胜率% 年化收益率% 胜率% 年化收益率% 1 47.67 -0.64 47.26 -0.17 50.00 0.05 2 48.41 -0.13 48.18 -0.73 52.61 0.04 3 50.68 4.54 47.94 -1.12 47.77 -0.18 4 52.19 8.19 49.65 0.38 47.68 -0.28 5 53.17 9.46 50.88 2.85 48.91 -0.07 6 53.57 7.17 51.64 5.54 50.67 0.56  25个基因(排除一字板),牛市(20140601-20150531)涨幅126.15% 测评数据         5天内 10天内 20天内 基因数不少于 胜率% 年化收益率% 胜率% 年化收益率% 胜率% 年化收益率% >=1 90.26 172.79 99.24 172.67 99.70 172.68 >=2 77.68 167.68 95.55 171.12 99.74 171.24 >=3 73.08 143.21 84.86 162.13 98.87 163.71 >=4 71.10 115.53 77.03 152.55 96.45 159.66 >=5 68.86 80.30 72.23 132.84 89.85 153.68  25个基因(排除一字板),牛市(20140601-20150531)涨幅126.15% 测评数据 5天内 10天内 20天内 基因数等于 胜率% 年化收益率% 胜率% 年化收益率% 胜率% 年化收益率% 1 64.82 14.04 68.34 1.32 89.47 0.48 2 66.70 36.52 69.40 6.55 91.19 2.09 3 67.42 50.03 69.41 13.55 75.19 1.54 4 68.32 58.06 68.74 25.35 68.76 3.46 5 67.49 52.56 68.36 35.60 66.05 3.85  涨停基因数量副图效果：（基因数量是M周期内的总数，并非当日数量）    　　从上面的测评数据中，你看出什么规律呢？我的归纳水平比较差，粗略的认为

东升123

笔者于2015-10-18 发贴《从测评数据看量学理论》（https://www.178448.com/thread-1003394-1-1.html）后，引起众多读者的关注。上次的测评环境是振荡（平衡）市，王子老师建议，继续测试熊市和牛市的情况。这样，测评数据就比较完整，更加系统化了。
　　为了更加容易理解，本次增加了基因数量等于某个数值的测评，并将上次统计数据归纳到本文，方便大家比对。本次参与测评的基因增加了“接力双阳”，“涨停基因盲选”公式的基因总数达到25个，并排除了一字板的情况。测评参数的设置与上次基本相同，全部测评数据表格如下：

24个基因(振荡市20130701_20140630)涨幅2.66%%

测评数据
5天内
10天内
20天内
基因数不少于
胜率%
年化收益率%
胜率%
年化收益率%
胜率%
年化收益率%
>=1
66.32
27.51
76.25
27.20
76.64
27.21
>=2
59.48
29.57
70.91
27.30
76.67
27.17
>=3
58.14
31.77
63.64
27.79
75.63
27.03
>=4
58.00
29.35
59.08
28.57
72.76
27.04
>=5
56.66
21.68
56.85
27.76
67.13
26.90

24个基因(振荡市20130701_20140630)涨幅2.66%%               
测评数据
5天内
10天内
20天内
基因数等于
胜率%
年化收益率%
胜率%
年化收益率%
胜率%
年化收益率%
1
51.60
2.34
55.38
0.33
68.29
0.07
2
52.75
5.02
53.67
1.00
72.73
0.20
3
53.83
9.61
53.33
2.34
56.98
0.21
4
55.11
13.72
54.14
5.23
58.97
0.84
5
54.90
12.19
54.47
8.16
58.11
2.00

25个基因(排除一字板),熊市(20130201-20140131)涨幅-14.77%
测评数据
5天内
10天内
20天内
基因数不少于
胜率%
年化收益率%
胜率%
年化收益率%
胜率%
年化收益率%
>=1
51.90
18.18
57.08
17.64
57.62
17.63
>=2
51.52
20.29
52.72
17.76
57.32
17.57
>=3
53.07
22.08
48.98
18.79
55.81
17.55
>=4
54.08
19.91
50.14
20.38
52.57
17.79
>=5
54.11
16.02
51.39
20.88
50.14
18.14

25个基因(排除一字板),熊市(20130201-20140131)涨幅-14.77%
测评数据
5天内
10天内
20天内
基因数等于
胜率%
年化收益率%
胜率%
年化收益率%
胜率%
年化收益率%
1
47.67
-0.64
47.26
-0.17
50.00
0.05
2
48.41
-0.13
48.18
-0.73
52.61
0.04
3
50.68
4.54
47.94
-1.12
47.77
-0.18
4
52.19
8.19
49.65
0.38
47.68
-0.28
5
53.17
9.46
50.88
2.85
48.91
-0.07
6
53.57
7.17
51.64
5.54
50.67
0.56

25个基因(排除一字板),牛市(20140601-20150531)涨幅126.15%
测评数据       
5天内
10天内
20天内
基因数不少于
胜率%
年化收益率%
胜率%
年化收益率%
胜率%
年化收益率%
>=1
90.26
172.79
99.24
172.67
99.70
172.68
>=2
77.68
167.68
95.55
171.12
99.74
171.24
>=3
73.08
143.21
84.86
162.13
98.87
163.71
>=4
71.10
115.53
77.03
152.55
96.45
159.66
>=5
68.86
80.30
72.23
132.84
89.85
153.68

25个基因(排除一字板),牛市(20140601-20150531)涨幅126.15%
测评数据
5天内
10天内
20天内
基因数等于
胜率%
年化收益率%
胜率%
年化收益率%
胜率%
年化收益率%
1
64.82
14.04
68.34
1.32
89.47
0.48
2
66.70
36.52
69.40
6.55
91.19
2.09
3
67.42
50.03
69.41
13.55
75.19
1.54
4
68.32
58.06
68.74
25.35
68.76
3.46
5
67.49
52.56
68.36
35.60
66.05
3.85

涨停基因数量副图效果：（基因数量是M周期内的总数，并非当日数量）


　　从上面的测评数据中，你看出什么规律呢？我的归纳水平比较差，粗略的认为：

sjzwghmd

XA_167:=IF(COUNT(XA_8,M周期内),1,0);
XA_168:=IF(COUNT(XA_17,M周期内),1,0);
XA_169:=IF(COUNT(XA_20,M周期内),1,0);
XA_170:=IF(COUNT(XA_22,M周期内),1,0);
XA_171:=IF(COUNT(XA_63,M周期内),1,0);
XA_172:=IF(COUNT(XA_90,M周期内),1,0);
XA_173:=IF(COUNT(XA_72,M周期内),1,0);
XA_174:=IF(COUNT(XA_73 AND CLOSE>LOW,M周期内),1,0);
XA_175:=IF(COUNT(XA_161,M周期内),1,0);
XA_176:=IF(COUNT(XA_82,M周期内),1,0);
XA_177:=IF(COUNT(XA_38,M周期内),1,0);
XA_178:=IF(COUNT(XA_141,M周期内),1,0);
XA_179:=IF(COUNT(XA_87,M周期内),1,0);
XA_180:=IF(COUNT(XA_88,M周期内),1,0);
XA_181:=IF(COUNT(XA_157,M周期内)>=1,1,0);
XA_182:=IF(COUNT(XA_162 OR XA_163,M周期内),1,0);
XA_183:=IF(COUNT(XA_94,M周期内),1,0);
XA_184:=IF(COUNT(XA_104,M周期内),1,0);
XA_185:=IF(COUNT(XA_99,M周期内),1,0);
XA_186:=IF(COUNT(XA_100,M周期内),1,0);
XA_187:=IF(COUNT(XA_165,M周期内),1,0);
XA_188:=IF(COUNT(XA_115,M周期内),1,0);
XA_189:=IF(COUNT(XA_123,M周期内),1,0);
XA_190:=IF(COUNT(XA_139,M周期内),1,0);

枫箫

谢谢分享。

狮旋风

{:soso_e160:}

dwz1976

你看出什么规律呢

daniel701

你看出什么规律呢

小朋友1

从测评数据看量学理

fjzt0000

这个是按机械式的评测，加上人为的筛选，成功率应该会高些

xjwangyhl

王子老师的量学理论是有效的，实用的，科学的

愚音

上面的测评数据中，你看出什么规律呢？我的归纳水平比较差，粗略的认为

25458725

向高手学习

等那个灯

加强学习         

hongluck

3124234234jh4jhkd423uid

juzicjx

谢谢分析！！！

松生危岩

{:soso_e179:}