기원
올해 7월 26일 시장이 급락했을 때 훌루그룹의 한 덩치가 나온 그림인데, 저자가 이런 하락을 예측했기 때문에 읽으면서 매우 충격을 받았다.
항상 맞는 것은 아니지만 그룹의 덩치들이 마법의 책이라고 해서 호기심에 펼쳐 읽어보니 저자는 "A주에는 10년 주기가 있다"고 결론을 내렸다. 비록 저자의 주장을 이해하지는 못했지만, 얼핏 보면 말이 되는 것 같으니 검증해보자!
저자의 의견 및 검증
저자의 관점
저자의 관점: 중국 주식 시장은 10년 주기를 따릅니다. 음력 C년에 강세장이 시작됩니다 . D년은 조정 후 신년까지 계속됩니다. Rengui는 약세장이고 B년은 강세장을 낳습니다. 시장.
저자의 계산 방법은 천간 달력을 기준으로 하고 천간이 10개이므로 각 연도는 AD 역년의 가수에 해당할 수 있으며 이를 다음 표로 정리할 수 있습니다.
| 시간은 흐른다 | AD의 마지막 숫자 | 시장 상황 |
|---|---|---|
| 겡 | 0 | 구조 곰 |
| 매운 | 1 | 약세 시장 |
| 십가지 천간 중 아홉 번째 천간 | 2 | 약세 시장 |
| 구이 | 삼 | 약세 시장 |
| 첫 번째 | 4 | 곰에서 황소로의 전환 |
| 두번째 | 5 | 곰에서 황소로의 전환 |
| 씨 | 6 | 황소 |
| 남성 | 7 | 황소+곰 전환 |
| 이자형 | 8 | 큰 곰 |
| 가지다 | 9 | 황소 |
확인하다
예비 검증의 내용은 저자가 제안한 10년 주기로 , 이전의 내용이 월, 일까지 정확하지는 않습니다. 주된 이유는 그러한 것들이 주는 첫인상이 100% 정확할 수 없기 때문이며, 그리고 이 사이클에 특정한 일반적인 원칙이 있다면 따라야 할 규칙이 있다면 전략의 타이밍을 잡는 데 큰 도움이 될 것입니다.
내 확인 아이디어는 다음과 같습니다.
- Shanghai Composite Index와 CSI 300 Index의 데이터를 다운로드하고(이것은 강좌에서 다룹니다. 크롤링하기가 너무 게으른 경우 웹 사이트로 이동할 수 있습니다) 황도대 별자리와 분기의 연대순으로 변환합니다.
- 각 연도별 상승 및 하강, 진폭, 상승일수, 하강일수 및 기타 지표(줄기 및 가지의 연도로 분류, 아래 같음)를 계산하고 저자의 결론을 바탕으로 예비 판단을 내린다.
- 연간 차트를 그리고 주관적인 판단을 내립니다. (우리가 수량화를 하고 있다는 데 동의하지 않았나요?)
준비
- 색인 데이터 크롤링
현재 Shanghai Composite Index에 대해 얻을 수 있는 가장 이른 데이터는 1990년 12월(Sina Finance에서)이고 CSI 300 지수에 대한 가장 이른 데이터는 2005년 4월입니다.
- 음력 시간으로 변환할 수 있는 라이브러리 다운로드
나는 이 도서관을 사용한다
변환된 CSI 300 지수는 다음과 같습니다.
프로세스
먼저, 줄기와 가지의 연대순을 바탕으로 기술통계를 만들어 보겠습니다.
df_all = pd.DataFrame()
df_all['year'] = list(set(df001['year']))
for i in list(set(df001['year'])):
df_all.loc[df_all['year'] == i, 'candle_begin_time'] = df001.loc[df001['year'] == i, 'candle_end_time'].iloc[0]
df_all.loc[df_all['year'] == i, 'candle_end_time'] = df001.loc[df001['year'] == i, 'candle_end_time'].iloc[-1]
df_all.loc[df_all['year'] == i, '涨跌幅'] = round(df001.loc[df001['year'] == i, 'close'].iloc[-1] / df001.loc[df001['year'] == i, 'close'].iloc[0] - 1, 2)
df_all.loc[df_all['year'] == i, '振幅'] = round(df001.loc[df001['year'] == i, 'close'].max() / df001.loc[df001['year'] == i, 'close'].min(), 2)
df_all.loc[df_all['year'] == i, '上涨天数'] = len(df001.loc[(df001['year'] == i) & (df001['close_change'] >= 0), 'close_change'] )
df_all.loc[df_all['year'] == i, '下跌天数'] = len(df001.loc[(df001['year'] == i) & (df001['close_change'] < 0), 'close_change'] )
df_all['上涨天数-下跌天数'] = df_all['上涨天数'] - df_all['下跌天数']
df_all.sort_values(['candle_begin_time'])
결과는 다음과 같습니다.
| 년도 | candle_begin_time | candle_end_time | 견적 변경 | 진폭 | 떠오르는 날 | 다운된 날 | 상승일수 - 하락일수 |
|---|---|---|---|---|---|---|---|
| 겐우 | 1990년 12월 19일 | 1991년 2월 14일 | 0.07 | 1.07 | 39 | 1 | 38 |
| 신 웨이 | 1991년 2월 19일 | 1992년 1월 31일 | 0.12 | 1.12 | 180 | 57 | 123 |
| 렌센 | 1992년 2월 7일 | 1993년 1월 22일 | 7.09 | 10.43 | 69 | 14 | 55 |
| 귀유 | 1993년 1월 27일 | 1994년 2월 4일 | -0.31 | 2.04 | 129 | 138 | -9 |
| 자쉬 | 1994년 2월 14일 | 1995년 1월 27일 | -0.28 | 3.09 | 100 | 146 | -46 |
| 이하이 | 1995년 2월 6일 | 1996년 2월 16일 | 0.04 | 1.74 | 128 | 138 | -10 |
| 빙즈 | 1996년 3월 4일 | 1997년 1월 31일 | 0.6 | 2.25 | 129 | 106 | 23 |
| 딩추 | 1997년 2월 17일 | 1998년 1월 23일 | 0.24 | 1.68 | 137 | 99 | 38 |
| 우인 | 1998년 2월 9일 | 1999년 2월 9일 | -0.13 | 1.33 | 118 | 140 | -22 |
| 지 마오 | 1999년 3월 1일 | 2000년 1월 28일 | 0.4 | 1.64 | 120 | 111 | 9 |
| 겡첸 | 2000년 2월 14일 | 2001/1/19 | 0.23 | 1.33 | 136 | 98 | 38 |
| 신시 | 2001/2/5 | 2002/2/8 | -0.25 | 1.65 | 123 | 129 | -6 |
| 렌우 | 2002/2/25 | 2003년 1월 29일 | -0.02 | 1.31 | 116 | 115 | 1 |
| 귀웨이 | 2003/2/10 | 2004년 1월 16일 | 0.08 | 1.24 | 114 | 118 | -4 |
| 지아센 | 2004년 1월 29일 | 2005년 2월 4일 | -0.22 | 1.5 | 113 | 143 | -30 |
| 이유 | 2005년 2월 16일 | 2006년 1월 25일 | -0.02 | 1.3 | 118 | 116 | 2 |
| 빙수 | 2006년 2월 6일 | 2007년 2월 16일 | 1.33 | 2.41 | 166 | 91 | 75 |
| 딩하이 | 2007년 2월 26일 | 2008/2/5 | 0.51 | 2.2 | 150 | 85 | 65 |
| 우지 | 2008/2/13 | 2009년 1월 23일 | -0.56 | 2.73 | 101 | 135 | -34 |
| 주 지 | 2009/2/2 | 2010/2/12 | 0.5 | 1.73 | 157 | 102 | 55 |
| 근인 | 2010/2/22 | 2011/2/1 | -0.07 | 1.34 | 119 | 114 | 5 |
| 신 마오 | 2011/2/9 | 2012/1/20 | -0.16 | 1.42 | 112 | 124 | -12 |
| 렌첸 | 2012/1/30 | 2013/2/8 | 0.06 | 1.26 | 133 | 123 | 10 |
| 구이시 | 2013/2/18 | 2014/1/30 | -0.16 | 1.24 | 110 | 123 | -13 |
| 지아우 | 2014/2/7 | 2015/2/17 | 0.59 | 1.7 | 148 | 108 | 40 |
| 이웨이 | 2015/2/25 | 2016/2/5 | -0.14 | 1.95 | 133 | 104 | 29 |
| 빙센 | 2016/2/15 | 2017/1/26 | 0.15 | 1.22 | 130 | 107 | 23 |
| 딩유 | 2017/2/3 | 2018/2/14 | 0.02 | 1.17 | 154 | 104 | 50 |
| 우쑤 | 2018/2/22 | 2019/2/1 | -0.2 | 1.35 | 105 | 129 | -24 |
| 지하이 | 2019/2/11 | 2020/1/23 | 0.12 | 1.23 | 125 | 112 | 13 |
| 겐지 | 2020/2/3 | 2021/2/10 | 0.33 | 1.37 | 140 | 115 | 25 |
| 신 추 | 2021/2/18 | 2021/7/30 | -0.08 | 1.1 | 54 | 58 | -4 |
CSI 300의 상황은 다음과 같습니다.
| 년도 | candle_begin_time | candle_end_time | CSI 300 상승 및 하강 | CSI 300 진폭 | CSI 300 상승일 | CSI 300일 낙하일 | CSI 300 상승일 - 하락일 |
|---|---|---|---|---|---|---|---|
| 이유 | 2005년 2월 16일 | 2006년 1월 25일 | 0.01 | 1.23 | 103 | 93 | 10 |
| 빙수 | 2006년 2월 6일 | 2007년 2월 16일 | 1.59 | 2.67 | 166 | 91 | 75 |
| 딩하이 | 2007년 2월 26일 | 2008/2/5 | 0.82 | 2.39 | 151 | 84 | 67 |
| 우지 | 2008/2/13 | 2009년 1월 23일 | -0.58 | 3.08 | 104 | 132 | -28 |
| 주 지 | 2009/2/2 | 2010/2/12 | 0.58 | 1.84 | 164 | 95 | 69 |
| 근인 | 2010/2/22 | 2011/2/1 | -0.05 | 1.41 | 119 | 114 | 5 |
| 신 마오 | 2011/2/9 | 2012/1/20 | -0.18 | 1.48 | 109 | 127 | -18 |
| 렌첸 | 2012/1/30 | 2013/2/8 | 0.13 | 1.32 | 130 | 126 | 4 |
| 구이시 | 2013/2/18 | 2014/1/30 | -0.2 | 1.27 | 105 | 128 | -23 |
| 지아우 | 2014/2/7 | 2015/2/17 | 0.59 | 1.75 | 140 | 116 | 24 |
| 이웨이 | 2015/2/25 | 2016/2/5 | -0.15 | 1.88 | 132 | 105 | 27 |
| 빙센 | 2016/2/15 | 2017/1/26 | 0.15 | 1.24 | 126 | 111 | 15 |
| 딩유 | 2017/2/3 | 2018/2/14 | 0.18 | 1.32 | 148 | 110 | 38 |
| 우쑤 | 2018/2/22 | 2019/2/1 | -0.2 | 1.39 | 105 | 129 | -24 |
| 지하이 | 2019/2/11 | 2020/1/23 | 0.21 | 1.27 | 121 | 116 | 5 |
| 겐지 | 2020/2/3 | 2021/2/10 | 0.57 | 1.65 | 147 | 108 | 39 |
| 신 추 | 2021/2/18 | 2021/7/30 | -0.17 | 1.22 | 59 | 53 | 6 |
그러다가 위의 표를 바탕으로 대략적으로 살펴보았는데, 다시 찾아보니 기본적으로는 똑같았습니다.
예를 들어 저자는 빙정(Bing and Ding)의 해가 강세장의 시작점이었다고 강조했는데, 1996년과 2006년에는 50% 이상 상승했고, 1997년과 2007년에는 지수도 20% 이상 상승했다. %. 2016년과 2017년에만 증가폭이 작았습니다. 그러나 모두 긍정적입니다. 그러면 5년차 강세장은 모두 부정적이며, 9년차에는 저자가 지정한 강세장이 다음과 같습니다. 증가율도 상대적으로 크지만 상대적으로 말하면 2019년 증가폭은 작습니다. 그렇다면 경년을 보면 시장이 있었다고 하는데 4번 중 단 한 번만 마이너스였습니다. 1992년 런신년만 그렇습니다. 원래 약세장이었지만 시장은 매우 좋은 성과를 거두었고 최종 증가율은 7배였습니다(그러나 올해는 꽤 특별합니다. 특히 이유는 모르겠습니다).
자, 우리는 1차 판단 이후 저자의 결론이 어느 정도 타당하다고 잠정적으로 생각하고, 다음에는 이를 차트의 형태로 좀 더 이해해 보겠습니다.
plt.figure(figsize=(15, 38))
var1 = ['丙', '丁', '戊', '己', '庚', '辛', '壬', '癸', '甲', '乙']
var_temp = 0
for o in var1:
ax = plt.subplot(10, 1, var_temp+1)
for i in list(filter(lambda x: x.startswith(o), set(df001['year']))):
temp = df001.loc[df001['year']==i, 'close'].reset_index(drop=True)
temp['curve'] = (1+temp.pct_change()).cumprod()
ax.plot(temp['curve'], label=i)
plt.legend()
var_temp += 1
plt.savefig('picture.png')
plt.show()
다음과 같은 사진을 얻으세요:
CSI 300은 다음과 같습니다.
이 시점에서 나는 저자의 결론을 긍정하고 싶다면 몇 년은 분명히 그것을 지지하지 않는다는 것을 발견했습니다.예를 들어 1992년에 런신년이 급등했고 저자는 런신년이 약세장이라고 제안했습니다. 저자의 결론을 부정하기에는 증거가 불충분합니다. , Bing과 D년은 모두 강세장이었고, Wu년은 약세장이었고, Ji년은 강세장이었다는 저자의 결론은 실제로 동일합니다. 최근 몇 년 동안 강세장이라고 불리는 것은 상대적으로 작은 증가와 감소를 보였기 때문에 다양한 지질 지대에 대한 설명도 있습니다. 조합은 서로 다른 강점과 약점이 있습니다. 예를 들어 저자는 26년이 빙오년이고, 26년이 빙오년이라고 언급했습니다. 정오의 불은 가장 순수한 불이고, 하늘줄기, 땅가지 모두 부(富)이므로 매우 강한 강세장이다.
결론적으로
우리 전략에 어떤 영향을 미치나요? 나는 개인적으로 특별히 좋은 보조 방법을 찾지 못했습니다. 유일한 유용한 방법은 정년, 즉 오년의 큰 상승 후 큰 하락을 피하는 것입니다. 그러나 Xin Rengui가 언급한 3년차 하락장에서는 저자는 많은 전략이 돈을 벌 수 있다고 생각하며, B년과 D년의 빅 강세장은 각 전략이 가장 잘 수행된 시기가 아니었습니다. 많은 전략이 가장 많은 돈을 벌었을 때.
게다가 매년 B와 D가 강세장인 것은 아닙니다. 예를 들어 최근의 것은 그렇지 않습니다. 14년과 15년에 A년과 B년으로 구성된 강세장입니다. 16년과 17년은 2,600년에서 출발한 작은 강세일 뿐입니다. 3,500으로.
요컨대, 현재 샘플 데이터는 너무 작아서 3개의 주기만 있고 저자의 주기에 대한 설명은 그리 정량적이지 않습니다. 우리의 검증은 그의 결론을 100% 확인하거나 부정할 수 없습니다. 그의 정책을 완전히 사용하는 데에는 불확실성이 있습니다. 물론, 모든 사람은 자비와 지혜에 대해 서로 다른 의견을 가지고 있습니다.