杂谈系列(8)趋势与波段

杂谈系列(8)趋势与波段

 

那天我说:长线也好,短线也好,赚钱就好!适合你的就是最好的。最可怕的是打着投资的旗号进行投机,似是而非的投资。今天就说说这个话题。

这样的人在现实中很少的,每个营业部我估计也就是一个人二个人差不多了,因为这是聪明人,聪明是肯定的。而且他有着理论上的基础,就是林奇的“在价值投资基础上的趋势投资”,也就是平常人们说的波段操作。林奇是证券界的一代大师,是我的崇拜偶像,如果做的好,将能实现利润的最大化。林奇也其实是做到了,连续十几年的复合增长率达到了30%多,证券界无人能出其右,是阶段性的投资成功第一人。在价值投资基础上的趋势投资,对人的要求相当的高,他不但是需要懂得价值分析,还需要具备趋势投资的技巧,即技术分析,缺一不可,这是不可多得的全才。

波段性操作,我不反对,只要你有这个能力。确实是有人具备这个能力,比如说在这里我的博友然灯佛就有这个能力。当然,我没这个能力,所以就只能笨笨的、傻傻的中长期投资。如果你也具备这个能力,那么我恭喜你,希望你不要浪费了这个能力,这可是个利润最大化的投资方式。当然,如果你没这个能力,呵呵,那么还是就学习我的笨笨吧,老老实实的拿着,等待着价值高估的时候卖出,或者说发现了更价值低估的股票调换。

更多的人在波段性操作中为了利润最大化而与大牛股失之交臂,形成聪明反被聪明误的事实。关于这一点,在我的博友扬长而去先生那边有详细的解说,你不妨去看看。

我今天想说的是似是而非的趋势投资,似是而非的在价值分析的基础上的趋势投资,这是最可怕的。比如我在东方博客就发现了三个人,一个是60054740元以上的说:这是个值得长期投资的股票,一年后肯定会让你翻一番,甚至到100元,现在是24元左右。一个是600316,同样的在40元左右的时候说,这是个我国最好的股票,长期投资定有厚报,言下之意一年以后100元没任何问题,现在是21元左右。当然,现在一年的时间还没到,也许确实是价值严重低估呢?那么价值低估的时间不会超过十二个月,我们可以等待着。说实话,这样的价值、趋势投资确实是可怕的,不知道如果有人在高位听了他们的推荐买进以后的感觉是什么?对了,还有个600550。而且这三个人的身边都有着一大群崇拜者。其实,这就是伪价值投资!真趋势投资!

当然,不可否认,他们都是投资高手,趋势投资的高手。问题在哪里呢?问题在于价值分析!

在我国,有那样的一句话:垃圾股不会套死人,绩优股可能够套死人的。

在这里,我想提醒大家一句话,以上的那句话是在以前的说法,现在是全流通时代,所以垃圾股同样的可以套死人。

作为中长期价值投资者,最可怕的是公司基本面突变,而且无声无息,所以当技术面走势提示有问题的时候,你就得加倍注意基本面的变化,哪怕是点点滴滴,如果有值得怀疑之处,那么你的选择就应该是:君子不站于危墙之下。

顺便和大家说一句话:由于我国特定的文化传统,好消息往往是假的多,坏消息却真的多!请朋友们在手中有高位股票的时候务必想起这一句话。

人生之三大不幸现代版第一条就是说炒股票的:一,炒股票炒成股东。二,请保姆请成主人。三,……。

 

我对于价值低估的股票在走势上的定义是:随着时间的推移,股价能不断的创新高,而且是在同类股票中率先创新高,否则就不是。比如我所拥有、定义的价值低估的几个股票,都在这一段时间内不断的创新高,而且也是在同类股票中率先创新高。现在就剩下一个600123还没有创新高,可以肯定的是,123在煤炭行业中同样的会率先创新高。这就是真正的内在价值使然!呵呵,扯远了。

 

总而言之,如果你具备趋势投资(波段性操作)的能力,那么我恭喜你,希望你不要浪费了这个能力,这是个利润最大化的投资方式。如果你没这个能力,呵呵,那么还是就学习我的笨笨吧,老老实实的拿着,等待着价值高估的时候卖出,或者说发现了更价值低估的股票调换。呵呵,我的投资效益也不错的哦。

 

内容概要:本文提出了一种基于非合作博弈理论的居民负荷分层调度模型,并结合双层鲸鱼优化算法(Two-level Whale Optimization Algorithm)进行高效求解,模型算法均通过Matlab代码实现。研究针对电力系统中居民侧用电负荷的复杂调度问题,引入非合作博弈机制刻画各用户之间的利益竞争关系,实现负荷的分层优化分配;同时设计双层优化架构,上层优化资源配置,下层模拟用户自主决策行为,提升了模型的实用性合理性。通过智能优化算法求解多层级、非凸非线性的博弈模型,有效提高了调度方案的收敛性全局寻优能力,适用于现代智能电网中的需求侧管理能源优化场景。; 适合人群:具备电力系统基础理论知识Matlab编程能力,从事智能电网、能源优化调度、需求侧管理、博弈论应用等方向的科研人员、高校研究生及工程技术人员。; 使用场景及目标:①应用于居民区电力负荷的分层优化调度系统设计仿真分析;②为非合作博弈在多主体能源系统建模中的应用提供方法论支持;③利用双层鲸鱼算法解决具有嵌套结构的复杂双层优化问题,提升求解效率调度方案的可行性。; 阅读建议:建议读者结合提供的Matlab代码深入理解模型构建逻辑算法实现流程,重点关注博弈模型的效用函数设计、纳什均衡求解思路以及双层优化结构的迭代机制,宜配合实际用电数据开展复现实验以验证模型有效性鲁棒性。
内容概要:本文围绕基于自适应神经模糊推理系统(ANFIS)智能控制器的可再生能源微电网功率管理系统展开研究,结合Simulink仿真实现,深入探讨了微电网中功率的智能调控经济机组组合调度问题。通过引入ANFIS控制器,有效应对风能、光伏等可再生能源出力的波动性不确定性,提升系统运行的稳定性电能质量。研究内容涵盖微电网多源协调控制策略、功率平衡管理、优化调度模型构建及仿真验证,实现了对分布式电源、储能系统负荷的协同优化,兼顾经济性可靠性目标,并通过仿真平台验证了所提方法的有效性优越性。; 适合人群:具备电力系统、自动化或新能源相关专业背景,熟悉Matlab/Simulink仿真环境,从事微电网能量管理、智能控制、能源优化等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①用于高比例可再生能源接入场景下的微电网能量管理系统研发教学实践;②为实现微电网功率稳定控制经济高效运行提供先进的智能控制解决方案;③支撑高水平学术论文复现、科研课题攻关及实际工程项目的仿真验证方案优化。; 阅读建议:建议结合提供的Simulink模型相关代码进行动手实践,重点关注ANFIS控制器的设计流程、规则库构建参数调优方法,并通过传统PID或MPC控制策略的对比实验,深入理解其在动态响应鲁棒性方面的优势。同时可进一步拓展文中提出的优化调度逻辑,应用于多目标、多约束的复杂实际应用场景中。
内容概要:本文档聚焦于“直流电机双闭环控制Matlab仿真”,系统阐述了基于Matlab/Simulink平台实现直流电机双闭环控制系统(主要包括速度环电流环)的设计仿真全过程。通过构建直流电机的数学模型,结合PI控制器进行调控,实现对电机转速电枢电流的高精度动态控制,验证控制策略的稳定性响应性能。文档详细介绍了仿真模型的搭建流程、关键参数的整定方法、系统动态波形的分析手段以及仿真结果的有效性验证,体现了经典自动控制理论在实际电机系统中的工程应用,是电机控制电力电子技术相结合的典型研究案例。; 适合人群:具备自动控制原理、电机拖动基础、电力电子技术Matlab/Simulink仿真能力的电气工程、自动化、机电一体化等专业的本科生、研究生及从事电机驱动系统研发的工程技术人员。; 使用场景及目标:①作为高校课程设计或实验教学材料,帮助学生深入理解双闭环调速系统的工作机理工程实现;②服务于科研项目,为新型电机控制算法(如滑模、模糊PID等)的开发性能对比提供基础仿真验证平台;③作为工业界产品前期设计的仿真工具,用于评估不同控制策略在动态响应、抗干扰能力稳态精度方面的可行性。; 阅读建议:建议读者在学习过程中紧密结合自动控制理论知识,亲手在Simulink环境中搭建完整的双闭环仿真模型,通过反复调整PI控制器的比例积分参数,观察并分析转速、电流的阶跃响应曲线,从而深刻理解反馈控制的本质、系统稳定性条件以及参数整定对动态性能的影响,进而掌握电机控制系统的设计精髓。
内容概要:本文研究了基于Benders分解输电网运营商(TSO)配电网运营商(DSO)协调机制的不确定环境下输配电网双层优化模型,旨在提升高比例可再生能源接入背景下电网系统的协调性鲁棒性。模型上层以系统整体经济性为目标进行优化调度,下层采用Benders分解实现TSODSO之间的信息交互协同决策,通过引入割平面迭代机制保障求解的收敛性全局最优性。研究充分考虑新能源出力负荷需求的不确定性,构建了具有强适应性的双层优化框架,并基于Matlab完成了模型的编程实现仿真验证,有效解决了多主体、多层级、多不确定性因素耦合下的电力系统优化调度难题。; 适合人群:具备电力系统分析、运筹学优化理论基础,熟悉Matlab编程环境,从事智能电网、能源互联网、分布式能源集成、电力市场等方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①研究高渗透率可再生能源条件下输配电网协同优化调度策略;②掌握Benders分解在电力系统双层优化建模中的应用方法实现技巧;③构建TSO-DSO多主体协调机制,实现跨层级电网资源的高效互动决策解耦;④提升对不确定性建模、分解算法设计及大规模优化问题求解能力。; 阅读建议:建议读者结合Matlab代码逐模块剖析模型构建流程,重点理解Benders割的生成逻辑、主从问题的信息传递机制及收敛判据设定,推荐在标准IEEE测试系统上复现实验以深入掌握模型特性算法性能。
内容概要:本文系统研究了基于灰狼优化算法(GWO)优化Elman神经网络的方法,并提供了完整的Matlab代码实现。研究重点在于利用灰狼优化算法强大的全局搜索能力,对Elman神经网络的关键参数进行智能优化,从而克服传统训练方法易陷入局部最优的缺陷,显著提升模型在时序预测非线性系统建模任务中的精度稳定性。文章详细阐述了Elman网络的动态反馈机制及其在处理时间序列数据方面的优势,构建了GWOElman相结合的混合预测框架,涵盖了从模型搭建、参数寻优、仿真测试到结果分析的全流程,特别适用于风电功率预测、电力负荷预测等具有强时变性不确定性的工程应用场景。; 适合人群:具备一定Matlab编程能力神经网络基础知识,从事智能优化算法、时间序列预测、电力系统分析或新能源出力预测等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握灰狼优化算法在神经网络超参数优化中的具体实施路径技术细节;②深入理解Elman递归神经网络群体智能优化算法融合的建模范式;③将其应用于风电、光伏等新能源发电功率预测及复杂动态系统的建模仿真,提升预测性能。; 阅读建议:建议读者结合所提供的Matlab代码进行动手实践,重点关注GWO算法Elman网络的接口设计、适应度函数构建及参数优化迭代过程,可通过调整数据集或迁移至其他预测场景以深化理解验证模型泛化能力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值