應用統計方法GEE(一般估計方程式),建議投資的好策略

閱讀時間約 2 分鐘
  • 文內如有投資理財相關經驗、知識、資訊等內容,皆為創作者個人分享行為。
  • 有價證券、指數與衍生性商品之數據資料,僅供輔助說明之用,不代表創作者投資決策之推介及建議。
  • 閱讀同時,請審慎思考自身條件及自我決策,並應有為決策負責之事前認知。
  • 方格子希望您能從這些分享內容汲取投資養份,養成獨立思考的能力、判斷、行動,成就最適合您的投資理財模式。

AI技術是目前世界生產力的領頭羊,投資AI相關類股是累積資產的好領域,然而哪一檔個股最能代表AI的趨勢?每個人的答案不盡相同,而我的建議是SOXX。

SOXX是費城半導體指數ETF,投資它的效果有點像是台股正2ETF,更精確的說;在多頭的時候獲利比正2少一點,但是需要加碼時,我們的底氣比投資正2強很多,有很多指標可以用來參考SOXX的走勢,我們接下來一系列分享的第一個指標是:半導體設備出貨金額年增率(SSI)。


這一段簡單介紹問題假設,資料收集的頻率是半年一次,從1995年來至今,SSI的高低起伏依稀依循的週期,而此週期大約像是附圖般,我們將週期解讀成四類,第一類:直上、第二類:直下、第三類:先往上觸頂後向下、第四類:先往下觸底後向上。我拿遞第一類來說明,例如2003六月、2003十二月、2004六月的SSI分別是12、28、40,這一年半就屬於遞增趨勢。一般人投資不知道可以依循週期,或是直觀的認為SOXX的獲利點應該發生在第一類,而我們使用GEE可以了解:這四類的趨勢發生時,SOXX的損益狀況,此外,發生該趨勢時的價格變化,以及之後的應對。

raw-image


對我來說,將複雜的統計模型可以簡單的解釋,是一件很有成就感的事,以下我試著白話說明。每一類的趨勢(3個點)我們定義成半年、半年、半年,也就是共1年半,在過去20年的歷史資料中,綠色的第三類(先往上觸頂後向下)有3點平均起來最多的獲利。


GEE的優勢在於能分析相鄰2時間點的資料的變化,第三類雖然SOXX的3點平均最好,但是卻每半年遞減,也就是說綠線的第一個時間點SOXX漲得最兇。所以為了獲得這個點的利潤,我們是不是應該在第三類的前一個點買入(附圖的最左側的最低點,藍點)?


就單一時間點而言,SOXX的獲利在第一類(直上)的第2個時間點最佳,所得到的結論跟上一段是一樣的,附圖的藍點是最佳買入點。


SOXX的獲利在第二類的第2個時間點最差,為了躲過這個點,我們是不是應該在時間的前半年,也就是附圖的頂點(紅點)時居高思危?


第二張圖更新至SSI目前的位置,對照第一張圖,大家覺得現在是哪一類的哪一個點?可能是第三類的第2個點,也有可能是第一類的第2個點,或是第四類的第3個點,如果是前者,GEE說這1-6月會下跌,與目前的情況不符,如果是後兩種,情況比較雷同,也就是市場押注目前是圖一中的黑點位置。

raw-image


所以2024年底,或是2025年6月,根據GEE的模型,將會是紅點的位置(和接續下一個點),分別是持平和大跌。我是統計人,我會做根據統計的事,我會根據:不可空手、不再多買的策略執行下去。

5會員
38Content count
留言0
查看全部
發表第一個留言支持創作者!
chiahao的沙龍 的其他內容
好的投資策略需搭配個人不同的屬性,舉例而言:如果你是分析型的高風險承受者,較適合投資市值型ETF,相對的,如果不擅長市場分析,且相對的規避風險,適合的投資工具便是高股息ETF,這兩派的擁護者水火不容,我是認為只是適合不同屬性的個人罷了,兩種投資都能賺錢,套句市場先生說的:要搞清楚你是賺市場的什麼錢。
我們口口聲聲說資本主義好,但是有多少人真正了解在資本主義之下,真正的最大受益者是誰?或者是說,任人要如何做才能占資本主義的便宜?這一點應該不會在學校教育的課程規劃內。
年薪75萬的護理師故事,如果儲蓄率達到30%,到55歲整個職涯將可投入1570萬左右,套用過去33年標普500的歷史回報率,55歲的他可以獲得6300萬的本利和。如果使用人生週期投資法,事實上這兩種投資法的曝險總值是一樣的,但是人生週期法有較高的總收益,同時在人生週期的後半段手邊有較多可使用的現金。
中部和南部的房價大家自有盤算,畢竟細分的差異還是很大,但是數字控的我有一點點嗅到:南部的醫學中心到地區醫院的福利差距真的挺大的,如果同學考慮高雄的地區醫院,薪水真的少一截(台北也是!),但是台中和台東不太會這樣,以上是數字書呆子的想法,僅供參考
最近我讀了一本書,『全球經濟18年大循環:順著景氣循環四大階段,投資獲利和避開風險』,書中預測,2026年就是房地產循環的下降波,也就是2026年剛好匯集了景氣對策的藍燈和房地產的下降循環,兩者同時發生會如何?
股價是集合了公司獲利、配息、夢想三大訊息集合而成的,這邊有一個作業:7-11和全家是兩大便利商店龍頭,目前7-11的殖利率3.2%,略多於全家的3%,7-11近4年的EPS成長0.7%,而全家的EPS成長1%,一個配的多,一個賺得多,其實很難下手,巧的是,市場給這兩家的夢很類似,本益比都是27倍。
好的投資策略需搭配個人不同的屬性,舉例而言:如果你是分析型的高風險承受者,較適合投資市值型ETF,相對的,如果不擅長市場分析,且相對的規避風險,適合的投資工具便是高股息ETF,這兩派的擁護者水火不容,我是認為只是適合不同屬性的個人罷了,兩種投資都能賺錢,套句市場先生說的:要搞清楚你是賺市場的什麼錢。
我們口口聲聲說資本主義好,但是有多少人真正了解在資本主義之下,真正的最大受益者是誰?或者是說,任人要如何做才能占資本主義的便宜?這一點應該不會在學校教育的課程規劃內。
年薪75萬的護理師故事,如果儲蓄率達到30%,到55歲整個職涯將可投入1570萬左右,套用過去33年標普500的歷史回報率,55歲的他可以獲得6300萬的本利和。如果使用人生週期投資法,事實上這兩種投資法的曝險總值是一樣的,但是人生週期法有較高的總收益,同時在人生週期的後半段手邊有較多可使用的現金。
中部和南部的房價大家自有盤算,畢竟細分的差異還是很大,但是數字控的我有一點點嗅到:南部的醫學中心到地區醫院的福利差距真的挺大的,如果同學考慮高雄的地區醫院,薪水真的少一截(台北也是!),但是台中和台東不太會這樣,以上是數字書呆子的想法,僅供參考
最近我讀了一本書,『全球經濟18年大循環:順著景氣循環四大階段,投資獲利和避開風險』,書中預測,2026年就是房地產循環的下降波,也就是2026年剛好匯集了景氣對策的藍燈和房地產的下降循環,兩者同時發生會如何?
股價是集合了公司獲利、配息、夢想三大訊息集合而成的,這邊有一個作業:7-11和全家是兩大便利商店龍頭,目前7-11的殖利率3.2%,略多於全家的3%,7-11近4年的EPS成長0.7%,而全家的EPS成長1%,一個配的多,一個賺得多,其實很難下手,巧的是,市場給這兩家的夢很類似,本益比都是27倍。
你可能也想看
Thumbnail
重點摘要: 1.9 月降息 2 碼、進一步暗示年內還有 50 bp 降息 2.SEP 上修失業率預期,但快速的降息速率將有助失業率觸頂 3.未來幾個月經濟數據將繼續轉弱,經濟復甦的時點或是 1Q25 季底附近
Thumbnail
近期的「貼文發佈流程 & 版型大更新」功能大家使用了嗎? 新版式整體視覺上「更加凸顯圖片」,為了搭配這次的更新,我們推出首次貼文策展 ❤️ 使用貼文功能並完成這次的指定任務,還有機會獲得富士即可拍,讓你的美好回憶都可以用即可拍珍藏!
Thumbnail
小樣本數量的範圍內,有效率的偵查出離群值(孤點、極端值、奇異點...)在突破型的交易策略中,扮演極重要腳色,本文列舉敘述統計中的分位數概念,然後運用定義的方式來判定極端值 相關IQR概念,請參考下圖
Thumbnail
統計檢定異常值的方法頗多,本文介紹的是小樣本極端值的Dixon檢定,本方法使用的限制為(a). 樣本數至少三個、(b). 樣本採自常態分配,檢定方法程序如下 : 將n個樣本由大而小依序排列,排列後為X(1)、X(2)、...、X(n),檢定統計量為
Thumbnail
檢查樣本數據是否符合常態分配,價格數據若是符合常態分配,則視為正常行情,反之則視為有突破訊號。常態分配檢定有數種方法,本文介紹的是w/s檢定,檢定統計量僅需計算樣本全距(w),還有標準差(s),然後求其比值,接者透過查表比較其上、下臨界值,查表值請參考下圖
Thumbnail
Kolmogorov-Smirnov 適合度檢定,該方法為檢定樣本次數分配與某一特定母群體分配間的差異是否達到顯著性(一般用來檢定常態分配或是其他類型的連續性分配)。檢定統計量邏輯、計算流程、查表值請參考下列敘述
Thumbnail
Durbin-Watson test,對模組的殘差項進行相關聯性檢定,常應用於迴歸分析以及需要限制殘差項要為獨立常態分配。不過我在應用上更關心價格資料是否有聚集在均線附近,若有則可以判定盤整盤,反之則有趨勢發生,相關統計檢定計算步驟詳列如下
Thumbnail
承續前篇內容,另外使用第二種隨機性檢定方式,來判斷價格是否處於盤整盤,假若為盤整盤,價格應集中在均線位置附近或是前後相鄰的數值差異很小,數據計算方法如下
Thumbnail
承續前篇,透過觀察統計檢定量的公式,隨機性的檢定是透過前、後期的資料乘積與均數差異的平方,取其比值大小最為判斷,現在透過更為高階的動差概念,來討論價格資料是否屬於盤整型態,其中以動差的視角來看,均數屬於一階動差、變異數屬於二階動差、偏態屬於三階動差、峰態屬於四階動差,相關公式詳列如下
Thumbnail
價格數據可透過隨機性檢定方式,以判斷行情是否在盤整盤狀態。假若行情為盤整盤,前後價格應該偏向漲跌互見的形式;反之若為趨勢盤,則前後價格應該偏向漲、漲、漲與跌、跌、跌的連續形式。 統計方法如下 : 假設有一系列的觀察值X(1)、X(2)、...、X(n),系列相關係數與統計檢定量定義如下
Thumbnail
假設你有一串時間數列資料,資料時間長度可以是Tick、分鐘K,也可以是日K的等級,請問有甚麼方法可以評估是否為盤整盤 ?
Thumbnail
這張圖一直在我的心裡,在8/9的文章 “貪婪還是恐懼?用自律來成就自己的交易吧!”提起台股現在的每一步都在創下歷史,你是否也正熱烈的參與其中呢?  
Thumbnail
重點摘要: 1.9 月降息 2 碼、進一步暗示年內還有 50 bp 降息 2.SEP 上修失業率預期,但快速的降息速率將有助失業率觸頂 3.未來幾個月經濟數據將繼續轉弱,經濟復甦的時點或是 1Q25 季底附近
Thumbnail
近期的「貼文發佈流程 & 版型大更新」功能大家使用了嗎? 新版式整體視覺上「更加凸顯圖片」,為了搭配這次的更新,我們推出首次貼文策展 ❤️ 使用貼文功能並完成這次的指定任務,還有機會獲得富士即可拍,讓你的美好回憶都可以用即可拍珍藏!
Thumbnail
小樣本數量的範圍內,有效率的偵查出離群值(孤點、極端值、奇異點...)在突破型的交易策略中,扮演極重要腳色,本文列舉敘述統計中的分位數概念,然後運用定義的方式來判定極端值 相關IQR概念,請參考下圖
Thumbnail
統計檢定異常值的方法頗多,本文介紹的是小樣本極端值的Dixon檢定,本方法使用的限制為(a). 樣本數至少三個、(b). 樣本採自常態分配,檢定方法程序如下 : 將n個樣本由大而小依序排列,排列後為X(1)、X(2)、...、X(n),檢定統計量為
Thumbnail
檢查樣本數據是否符合常態分配,價格數據若是符合常態分配,則視為正常行情,反之則視為有突破訊號。常態分配檢定有數種方法,本文介紹的是w/s檢定,檢定統計量僅需計算樣本全距(w),還有標準差(s),然後求其比值,接者透過查表比較其上、下臨界值,查表值請參考下圖
Thumbnail
Kolmogorov-Smirnov 適合度檢定,該方法為檢定樣本次數分配與某一特定母群體分配間的差異是否達到顯著性(一般用來檢定常態分配或是其他類型的連續性分配)。檢定統計量邏輯、計算流程、查表值請參考下列敘述
Thumbnail
Durbin-Watson test,對模組的殘差項進行相關聯性檢定,常應用於迴歸分析以及需要限制殘差項要為獨立常態分配。不過我在應用上更關心價格資料是否有聚集在均線附近,若有則可以判定盤整盤,反之則有趨勢發生,相關統計檢定計算步驟詳列如下
Thumbnail
承續前篇內容,另外使用第二種隨機性檢定方式,來判斷價格是否處於盤整盤,假若為盤整盤,價格應集中在均線位置附近或是前後相鄰的數值差異很小,數據計算方法如下
Thumbnail
承續前篇,透過觀察統計檢定量的公式,隨機性的檢定是透過前、後期的資料乘積與均數差異的平方,取其比值大小最為判斷,現在透過更為高階的動差概念,來討論價格資料是否屬於盤整型態,其中以動差的視角來看,均數屬於一階動差、變異數屬於二階動差、偏態屬於三階動差、峰態屬於四階動差,相關公式詳列如下
Thumbnail
價格數據可透過隨機性檢定方式,以判斷行情是否在盤整盤狀態。假若行情為盤整盤,前後價格應該偏向漲跌互見的形式;反之若為趨勢盤,則前後價格應該偏向漲、漲、漲與跌、跌、跌的連續形式。 統計方法如下 : 假設有一系列的觀察值X(1)、X(2)、...、X(n),系列相關係數與統計檢定量定義如下
Thumbnail
假設你有一串時間數列資料,資料時間長度可以是Tick、分鐘K,也可以是日K的等級,請問有甚麼方法可以評估是否為盤整盤 ?
Thumbnail
這張圖一直在我的心裡,在8/9的文章 “貪婪還是恐懼?用自律來成就自己的交易吧!”提起台股現在的每一步都在創下歷史,你是否也正熱烈的參與其中呢?